人類在漫長(zhǎng)的進(jìn)化中，獲得了一種能通過感知、邏輯推理來與**互動(dòng)、認(rèn)識(shí)**的能力。當(dāng)一個(gè)梨擺在我們面前時(shí)，我們能夠通過嗅覺、視覺等，判斷出它是梨而非蘋果。當(dāng)在路上行駛時(shí)，即使行人被部分遮擋住，我們也能從露出的部分體貌特征判斷出這是一個(gè)人，從而進(jìn)行避讓。

在人工智能領(lǐng)域，科學(xué)家們也一直試圖讓機(jī)器擁有像人一樣的邏輯思維能力，幫助人完成更多工作。

近日，在2020 ICLR大會(huì)上，圖靈獎(jiǎng)得主舒亞·本吉?dú)W（Yoshua Bengio）和揚(yáng)·勒昆（Yann LeCun）發(fā)表觀點(diǎn)稱，自監(jiān)督學(xué)習(xí)有望使AI產(chǎn)生類人的推理能力。本吉?dú)W相信機(jī)器.終可以習(xí)得關(guān)于這個(gè)**的各種知識(shí)，這種知識(shí)的獲得并不需要機(jī)器去親身體驗(yàn)各種真實(shí)發(fā)生的事件，而是通過習(xí)得語言化的知識(shí)來實(shí)現(xiàn)。

那么機(jī)器如何具備類人的推理能力？想具備類人的推理能力還要逾越哪些障礙？

“死記硬背”讓機(jī)器難有邏輯能力

購(gòu)物時(shí)，無需出示支付碼，將面部特征綁定銀行卡就能輕松消費(fèi)；回家路上，查詢手機(jī)地圖，可以看出哪些地段擁堵；到飯點(diǎn)了，跟機(jī)器人對(duì)話叫外賣……這些基于機(jī)器學(xué)習(xí)的應(yīng)用，正在讓人工智能變得可觀可感。但機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)便是，需要大量數(shù)據(jù)的積累以及很強(qiáng)的算力。

機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)?！氨O(jiān)督學(xué)習(xí)需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)簽分類，數(shù)據(jù)需要涵蓋所有可能的場(chǎng)景，此外，完成學(xué)習(xí)，機(jī)器還需要大量的算力。例如，如果希望創(chuàng)建圖像分類模型，則必須為系統(tǒng)提供經(jīng)過適當(dāng)分類標(biāo)記的大量圖像，讓模型在其中進(jìn)行充分訓(xùn)練。有時(shí)數(shù)據(jù)量達(dá)到百萬、千萬級(jí)規(guī)模，需要幾百萬、上千萬次的迭代?！敝袊?guó)科學(xué)院自動(dòng)化研究所研究員、視語科技創(chuàng)始人王金橋告訴科技日?qǐng)?bào)記者。

因此，減少對(duì)數(shù)據(jù)的依賴，一直是研究人員.重要的探索方向之一。在南京航空航天大學(xué)計(jì)算機(jī)學(xué)院教授陳松燦看來，監(jiān)督學(xué)習(xí)往往需要大量的帶有注釋、標(biāo)記的數(shù)據(jù)，而標(biāo)記這些數(shù)據(jù)，需要人工完成，既耗時(shí)又昂貴。

然而，即使是在有大量數(shù)據(jù)“打底”的監(jiān)督學(xué)習(xí)環(huán)境中，一旦機(jī)器遇到不同于訓(xùn)練示例的全新狀況，也面臨著失控的風(fēng)險(xiǎn)。

“例如無人駕駛汽車行駛在一條陌生的道路上，前方雖然出現(xiàn)了路桿，但如果此前系統(tǒng)沒有遇到過這種道路模式，就會(huì)撞上去。進(jìn)入攝像頭視野的行人，如果未露出全貌，那系統(tǒng)就無法判斷出這是一個(gè)人，也會(huì)撞上去。還有我們進(jìn)入停車場(chǎng)時(shí)，有些停車桿不能及時(shí)抬起，是因?yàn)榭拷＼嚄U的行駛角度超出了此前設(shè)定的范圍?！蓖踅饦虮硎?，雖然數(shù)據(jù)標(biāo)簽的質(zhì)量，對(duì)于監(jiān)督學(xué)習(xí)的效果非常重要，但監(jiān)督學(xué)習(xí)不應(yīng)局限于這種模式，應(yīng)該提高對(duì)未知環(huán)境的探索和理解能力。

 本文轉(zhuǎn)自人民網(wǎng)，如有侵權(quán)請(qǐng)告知本站刪除。