谷歌科研人员提出单样本机器学习技术

在看到某个物体一到两次之后,我们大多数人都能认出来。但支持计算机视觉和语音识别功能的算法却需要接触数千个例子,才能对新的图像或词语变得熟悉。

现在,谷歌DeepMind的研究人员提出了一个解决方法。他们对一个深度学习算法进行了巧妙的改动,使之在接触单个例子之后即能够识别图片中的物体或其他事物——他们将之称为“单样本学习”。该团队在一个大型标签图像数据库中展示了这一功能,还在手写和语言识别中进行了演示。

谷歌DeepMind的研究人员Oriol Vinyals在一个深度学习系统上添加了记忆体组件。该团队在名为ImageNet的标签照片数据库中展示了系统的功能。软件仍然需要分析数百个类型的图片,但在此之后,软件就能在看到一张图片之后识别新的对象——例如一只狗。它可以高效学习识别图片中的特征之处。这种算法仅需看到一个例子,其识别准确率即可与传统的、需要大量数据的系统媲美。

Vinyals表示,如果这种算法可以迅速认识新词语的含义,可能就会大有用处。他认为,这可能对谷歌具有重要意义,因为它可以让系统迅速了解新的搜索词的含义。其他公司也开发了单样本学习系统,但一般与深度学习系统不兼容。2015年的一个学术项目就使用了概率规划技术支持高效的单样本学习。但深度学习系统正在变得越来越强大,在添加记忆体机制后更是如此。谷歌DeepMind的另一个小组最近使用一种灵活的记忆体开发了一个网络,使之可以执行简单的推理任务——例如,在分析若干简单的网络图之后,学会如何导航地铁系统。

韩国大田市韩国高等科技学院的大脑和机器智能实验室负责人Sang Wan Lee表示:“我认为这是一种非常有趣的办法,为在大规模数据集上进行单样本学习开辟了新颖途径。这是对人工智能界的重大技术贡献,计算机视觉研究人员可能会非常重视。”

其他人则对这种方法的实用性表示了怀疑,因为它仍然与人类学习有很大的差距。哈佛大脑科学系副教授Sam Gershman表示,人类一般是通过了解构成图像的元素来学习,而这就需要一些现实知识或者说常识,例如,“两轮平衡车可能看起来和自行车或摩托车有很大区别,但却可能是由相同的部件组成的。”

Gershman和Wan Lee都表示,在机器能达到人类的学习能力之前,还有很长的时间。Wan Lee表示:“我们还远远不足以揭示人类进行单样本学习的奥秘,但这种方案显然值得我们进一步研究。”

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-12-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

AI计算力6年增长30万倍,远超摩尔定律 | OpenAI分析报告

为了感受这个速度,OpenAI发布了一份分析报告,说的是2012年开始,AI训练所用的计算量呈现指数增长,平均每3.43个月便会翻倍。

783
来自专栏机器之心

业界 | 向机器学习偏见开战:谷歌展示全球涂鸦数据集分析结果

选自Google Research 作者:Reena Jana等 机器之心编译 参与:路雪 机器学习系统对日常生活的影响越来越大,软硬件产品都使用机器学习系统为...

3509
来自专栏新智元

开源深度学习工具 Kur,不用写代码就能设计、训练和评估 DL 模型

Deepgram 是 YC 投资的一家初创公司,其业务是使用机器学习分析企业的音频数据。近日该公司开源了内部的深度学习工具 Kur(https://github...

3387
来自专栏ATYUN订阅号

IBM研究人员通过探索缺失的事物来解释机器学习模型

在《白额闪电》(The Adventure of the Silver Blaze)中,福尔摩斯并不是通过能看到的线索解决了案件,而是通过注意到某一事物的缺失...

944
来自专栏CSDN技术头条

艺术与机器学习

原文:Google Research Blog 译者:刘旭坤 去年六月发表的一篇博文中我们用可视化的方法解释了神经网络在图形分类中的工作原理。我们意外地收获了一...

1997
来自专栏腾讯高校合作

犀牛鸟Club在盐湖城喊你到碗里来!

1814
来自专栏人工智能头条

资讯 | 讯飞百度阿里360深度学习大神论道DL与HPC

1253
来自专栏机器之心

前沿 | 连发Science、Nature Physics:谷歌展示量子霸权实现蓝图

1683
来自专栏Java进阶架构师

给初学者的深度学习入门指南

这个阶段有吴恩达、李飞飞、GeoffreyHinton、Ian Goodfellow等传奇人物的卓越贡献

2265
来自专栏人工智能头条

艺术与机器学习

1275

扫码关注云+社区