谷歌人工智能取得新進(jìn)展：只看一次圖片就能認(rèn)得圖中物體

鼎宏

計(jì)算機(jī)算法通常需要成千上萬個(gè)例子才能學(xué)會(huì)一件事情，但谷歌DeepMind的研究人員卻找到一種繞過這一流程的方法。

多數(shù)人看過某個(gè)東西一兩次后就能認(rèn)出這種物體，而計(jì)算機(jī)視覺識(shí)別和語音識(shí)別算法卻需要成千上萬個(gè)例子才能熟悉一種新的圖形或單詞。

谷歌DeepMind研究人員現(xiàn)在找到了一種新的方法，他們對(duì)深度學(xué)習(xí)算法進(jìn)行了一些調(diào)整，使之只需通過一個(gè)例子便可認(rèn)出圖像中的物體或其他東西—他們稱之為“單次學(xué)習(xí)”。該團(tuán)隊(duì)針對(duì)大量添加了標(biāo)簽的圖片以及手寫字體和語言對(duì)此進(jìn)行了驗(yàn)證。

最好的算法的確能夠可靠地識(shí)別物體，但由于需要龐大的數(shù)據(jù)，所以非常耗費(fèi)時(shí)間和金錢。例如，想要讓算法識(shí)別出道路上的汽車，就需要為其提供成千上萬個(gè)例子，這樣才能使無人駕駛汽車達(dá)到可靠的識(shí)別率。但要收集如此多的數(shù)據(jù)并不現(xiàn)實(shí)，如不可能為了讓一個(gè)機(jī)器人在一套不熟悉的房子里行走而為其提供長(zhǎng)時(shí)間的學(xué)習(xí)機(jī)會(huì)。

谷歌DeepMind研究員奧里奧爾·溫亞爾斯（Oriol Vinyals）在深度學(xué)習(xí)系統(tǒng)中增加了一個(gè)記憶組件。該團(tuán)隊(duì)利用一個(gè)名為ImageNet的標(biāo)記圖片數(shù)據(jù)庫對(duì)該系統(tǒng)的能力進(jìn)行了驗(yàn)證。

這套軟件仍然需要分析數(shù)百種圖片，但此后就可以學(xué)會(huì)用一張照片識(shí)別新的物體。它本質(zhì)上是通過分析圖片中的獨(dú)特元素來完成識(shí)別任務(wù)。這種算法只需要看一個(gè)例子，便可達(dá)到近似于傳統(tǒng)深度學(xué)習(xí)系統(tǒng)的準(zhǔn)確率。

溫亞爾斯稱，如果能夠快速識(shí)別出一個(gè)新單詞的意思，這項(xiàng)技術(shù)的用途便會(huì)得到明確體現(xiàn)。這對(duì)谷歌非常有用，因此該公司可以借此快速學(xué)習(xí)某個(gè)新的搜索項(xiàng)的含義。

之前也曾有人開發(fā)過單次學(xué)習(xí)系統(tǒng)，但通常不兼容深度學(xué)習(xí)系統(tǒng)?！拔艺J(rèn)為這是一種很有趣的方法，它提供了一種新穎的方式對(duì)大規(guī)模的數(shù)據(jù)庫進(jìn)行單次學(xué)習(xí)。”韓國(guó)先進(jìn)科技學(xué)院大腦和機(jī)器智能實(shí)驗(yàn)室主任Sang Wan Lee說，“這為人工智能社區(qū)做出了技術(shù)貢獻(xiàn)，計(jì)算機(jī)視覺研究人員可能非常重視此事。”

但也有人對(duì)這項(xiàng)技術(shù)的用途提出質(zhì)疑，畢竟它與人類的學(xué)習(xí)方法存在很大差異。哈佛大學(xué)腦科學(xué)系副教授山姆·格什曼（Sam Gershman）表示，人類通常是通過理解一張圖像的組成元素來學(xué)習(xí)的，這需要一些實(shí)際的知識(shí)或嘗試。例如，“賽格威可能看上去與自行車或摩托車大不相同，但它卻可以使用相同的零件。”

不過，格什曼和Sang Wan Lee都表示，機(jī)器要在學(xué)習(xí)能力上比拼人類仍然要經(jīng)過一段時(shí)間的發(fā)展?！拔覀冞h(yuǎn)遠(yuǎn)沒有揭開人類單次學(xué)習(xí)的秘密。”Sang Wan Lee說。