近日，“人類水平的小樣本概念學(xué)習(xí)”在國際學(xué)術(shù)期刊《科學(xué)·進展》最新一期上發(fā)表,。該成果由北京大學(xué)人工智能研究院,、北京通用人工智能研究院組成的科研團隊獨立完成,，讓AI系統(tǒng)在沒有大數(shù)據(jù)訓(xùn)練的情況下，憑借像人類一樣通過概念學(xué)習(xí)和邏輯推理的方式完成任務(wù),。當前,，廣泛應(yīng)用的AI系統(tǒng)主要以海量數(shù)據(jù)為基礎(chǔ)，利用大量算力和存儲進行數(shù)據(jù)“檢索”，其核心范式是深度學(xué)習(xí),，并催生了ChatGPT等一批熱門AIGC應(yīng)用,。該成果通訊作者，北京大學(xué)人工智能研究院助理教授朱毅鑫談到,，目前AI方案多是依賴充分且可得的數(shù)據(jù)資源以及大量人力標注,，通過暴力學(xué)習(xí)的方式進行訓(xùn)練，有點像通過刷題方式來取得高分,，但這樣的AI并不具備人類那樣對問題進行快速,、準確、細致推理的能力,，尤其在數(shù)據(jù)匱乏或僅有少量數(shù)據(jù)和抽象概念的情況下,，這類方法便無能為力。對此,，研究團隊另辟蹊徑,，借鑒了朱松純教授（現(xiàn)任北京大學(xué)人工智能研究院院長）在上世紀90年代提出的最大最小熵思路，這一方法最早應(yīng)用于計算機視覺領(lǐng)域的圖片生成模型,。受此經(jīng)典研究思路啟發(fā),，團隊將問題形式化為易于求解的優(yōu)化問題，并按照熵的思路將其描述為概率條件下的熵限制問題,，使模型在快速迭代后能取得滿意結(jié)果,。“其核心還是數(shù)據(jù)量和效率問題,。我們在嘗試怎么在小量數(shù)據(jù)上,，得到像人類這樣的性能表現(xiàn)。我們并不是說大數(shù)據(jù)效果不好,，而是它的成本太高……”該成果第一作者,、北京通用人工智能研究院研究員張馳舉例說，比如,，我們交給它平方差公式,，它能學(xué)會立方差公式，甚至四次方,、五次方,、六次方都可以學(xué)會，“可以自己做一些組合,、排列”,。據(jù)了解，該團隊提出的這種超高效解決抽象推理問題的方法,，讓機器通過快速迭代和建模,，獲得了既容易得到又具可解釋性的問題解決模型,。這也是首次由我國科學(xué)家獨立完成，并在國內(nèi)實現(xiàn)的人工智能高水平研究成果,，凸顯了我國科研工作者在人工智能基礎(chǔ)理論研究和關(guān)鍵技術(shù)攻關(guān)方面的創(chuàng)新能力和奮斗精神,。（記者李政葳）來源：光明網(wǎng)
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿，觀點僅代表作者本人,，不代表芒果財經(jīng)贊同其觀點或證實其描述,，版權(quán)歸原作者所有。轉(zhuǎn)載請注明出處：http://lequren.com/1098816.html
溫馨提示：投資有風(fēng)險,，入市須謹慎,。本資訊不作為投資理財建議。
