近日，“人類水平的小樣本概念學習”在國際學術期刊《科學·進展》最新一期上發(fā)表,。該成果由北京大學人工智能研究院,、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)訓練的情況下，憑借像人類一樣通過概念學習和邏輯推理的方式完成任務,。當前,，廣泛應用的AI系統(tǒng)主要以海量數(shù)據(jù)為基礎，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習,，并催生了ChatGPT等一批熱門AIGC應用。該成果通訊作者,，北京大學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，通過暴力學習的方式進行訓練,，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,，這一方法最早應用于計算機視覺領域的圖片生成模型,。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,，它能學會立方差公式，甚至四次方,、五次方,、六次方都可以學會，“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理論研究和關鍵技術攻關方面的創(chuàng)新能力和奮斗精神。（記者李政葳）來源：光明網(wǎng)
免責聲明：本文來自網(wǎng)絡收錄或投稿,，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：投資有風險,，入市須謹慎。本資訊不作為投資理財建議,。
