深度学习面对物理世界无能为力?包教包会的元学习或是解决方案:亚博APP安全有保障

我们面临的这次人工智能的兴起,来自数据量的快速增长和深度自学发展,传感器为智能体构筑了基本结构化的数据世界,利用这一提取规则,使智能体能够自律作业。

本文摘要:我们面临的这次人工智能的兴起,来自数据量的快速增长和深度自学发展,传感器为智能体构筑了基本结构化的数据世界,利用这一提取规则,使智能体能够自律作业。

我们面临的这次人工智能的兴起,来自数据量的快速增长和深度自学发展,传感器为智能体构筑了基本结构化的数据世界,利用这一提取规则,使智能体能够自律作业。结果,人工智能转移到物理领域比转移到虚拟世界更困难。处理图像、语音、文字等数据的AI照片、语音助手、智能推荐都很出色,在工业、自动驾驶等与现实世界共通的领域,但由于需要大量的测试训练,进展缓慢。关于照顾机器人、服务机器人等灵活性更强的领域,人工智能的表现更差。

原因是物理世界缺乏良好的数据结构条件,解决问题有很大的灵活性,人工智能的自学和训练非常简单。具体来说,在极端的情况下,我们可以教机器人的手臂将水壶中的水倒入杯中,但一旦水壶或杯的方向发生变化,机器人的动作就不会混乱。但是,如果我们把杯子和水壶经常出现的各个方向作为数据输出,对机械臂进行深入的自学训练,其中的工作成本是无法想象的。深度自学是衰退吗?元自学最近兴起,很多人讨论深度自学的衰退。

其中一个原因是物理世界深度自学能够解决问题是有限的,只靠传感器收集数据,从数据中挖掘规则,成本就不会变高。因此,我们认为在家里走来走去符合人们市场需求的小机器人不能按时出现,推荐算法对我们的理解令人惊讶。给人深度自学使人工智能向奇怪的方向发展的感觉。

但是,深刻的自学不能,并不意味着人工智能不能。在意识到深度自学的缺失后,许多研究机构和企业开始尝试使用更少的数据和更简单的培训过程来解决问题。理想状态下,人工智能自学应与人类自学相同。我们自学拿筷子和鞋带这样的动作的时候,一般是用别人的模板学习的,不是正确计算每条鞋带之间的距离。

构建这个目标,使用方式一般被称为元自学(mettallearning),元自学明确指的是智能体控制的能力不仅限于某个环境下的某个模型,而且确实控制自学的能力,智能体能够冷静地应对各种新任务,简单地收集数据一眼看不到的机器人,离我有多近?这样的叙述可能有些无法解释,但我们可以从元自学的明确解决方案中解释——一目了然自学。一眼自学就是我们所说的,和人类一样看样板就能学会动作的能力。过去,让机器人模仿人类的动作并不新鲜,但要想使机器人的模仿不道德应用于现实,至少需要200次专业模板的数据,必须将人类的动作逻辑和机器人部件一一构成。

但是,在UCBerkeley人工智能实验室的研究中,采用了不知道模型的自学和模仿的自学融合的方法,使用大量的操作者模板制作数据集,从而提取基本的操作者战略参数,向智能体展开单一的模板,智能体可以通过一次模板来寻找对应的操作者战略同时,这一切都是通过计算机视觉展开的,可以利用照相机和视频加载。目前,通过一目了然的自学,UCBerkeley人工智能实验室已经建立了不同颜色的球体,放入纸杯、移动物体、填充物体等。除了一目了然的自学之外,元自学还有很多其他的解决方案,比如用记忆加强神经网络和顺序分解神经网络,帮助智能体从少数据样本中一般化概念的少数据自学,比如将元自学创建在加强奖励机制上,以更加强大的奖励/监督机制使智能体从少数样本中获得高强度的训练等。

元自学从实验室转移到现实有多近?现在元自学几乎停留在实验室,但还没有转移到现实中。但是,在产学融合非常密切的今天,元自学转移到我们身边并不远。

但是,现在元自学的距离实际上应用于必须解决以下问题点是元自学数据库的建立。无论是一目了然的自学,还是少数据自学,在培训过程中都有很大的精简,但是在开展培训之前还是要做好模板数据集。元自学的数据集比其他技术模型的数据集具有通用性,但创建过程仍然是一个大工程。

如果当时李飞飞和ImageNet一样经常出现非常有援助性的数据集工程,可能会进一步推进元自学的发展。第二,动作序列的连续性,今天元自学已经能顺利完成慢动作自学,但足以继续的是服务公司、物品移动等非常简单的动作。

元自学虽然提高了培训效率,但是这些都是非常简单的一动到其他培训模式继续执行也是非常简单的。如何利用已经完成元自学动作的交会和继续更简单的工作,是使元自学协助人工智能转移到物理世界的关键。目前,元自学仅次于效果,是减少物理世界应用于人工智能成本的门槛。看起来自动化服务公司这一非常简单的工作中,技术性不低,但往往只能大型工厂应用。

由于其中简易的培训过程和对应用环境数据结构简化的高拒绝,构成了高昂的成本费,只能在大型生产活动中摊平成本费。对于元自学来说,模范动作训练集这个共享成本,企业的应用完全不需要成本——不需要专家简单地调整机器,也不需要在生产线上添加各种传感器,任何人都可以展开模板,成为人工智能的老师。从元自学的发展可以看出,与理想状态相比,深度自学的应用成本非常低。

但人工智能的发展趋势,一定是大大的向低门槛、低成本的方向流动,元自学是解决问题的途径之一。也许,人工智能可能不会成为唾手可得的资源,科幻电影中的机器人可以陪伴每个人。

本文关键词:亚博APP安全有保障

本文来源:亚博APP安全有保障-www.rzbdw.com

相关文章

网站地图xml地图