Le Dernier Kilomètre De L'Intelligence Artificielle

Zheng Lei / Wen

"La machine peut - elle penser?"Le problème d'Alan Turing, père de l'intelligence artificielle, a été partiellement résolu, et l'apprentissage automatique a été capable de se comporter comme un humain dans certains domaines, comme les échecs.

à l'heure actuelle, l'apprentissage automatique est devenu une force importante pour promouvoir le développement de l'industrie et de la société, ce qui permet d'automatiser la prise de décisions dans les domaines du commerce électronique et de la publicité, de l'éducation et des soins de santé, etc.La reconnaissance faciale dans le domaine de l'analyse d'images par ordinateur est un bon exemple.Si nous avons beaucoup d'images médicales dans nos mains, nous pouvons utiliser ces images pour former la machine à regarder de nouvelles photos et à spéculer sur la présence d'une maladie.L'apprentissage automatique peut également être utilisé dans les systèmes de sécurité de l'entreprise pour déterminer si les visiteurs sont des employés de l'entreprise.Mais l'apprentissage automatique est également critiqué, principalement parce que ce type d'apprentissage doit être basé sur de grandes quantités de données, et même cette intelligence artificielle doit être basée sur de grandes données.En réalité, la plupart du temps, nous devons résoudre le problème, seulement quelques échantillons sont disponibles.C'est une différence essentielle entre les machines intelligentes et les êtres humains. L'apprentissage humain est basé non seulement sur l'information et les connaissances existantes, mais aussi sur l'utilisation d'un modèle modifié pour une autre occasion.C'est l'apprentissage de la migration, qui est la prochaine étape de l'apprentissage traditionnel des machines.

Au cours des dix dernières années, l'apprentissage de la migration a fait l'objet d'une attention et d'une recherche de plus en plus nombreuses, que ce soit dans l'algorithme, la recherche théorique ou l'application de scénarios pratiques.Ce livre, écrit par des experts chevronnés dans ce domaine, est systématique et complet, y compris la théorie de l'apprentissage de la migration, l'apprentissage automatique de la migration, l'apprentissage par petits échantillons, l'apprentissage automatique tout au long de la vie, et les réalisations dans la vision informatique, le traitement du langage naturel, le système de recommandation, la bioinformatique, la reconnaissance du comportement, etc.

Les bébés apprennent d'abord à distinguer leurs parents, puis à utiliser cette distinction pour apprendre à distinguer les autres.Les enfants ne peuvent apprendre que de quelques exemples et peuvent rapidement résumer les règles.Cette capacité d'apprendre à partir de petites données nous permet d'utiliser et d'adapter nos expériences antérieures pour aider à résoudre de nouveaux problèmes.En ce qui concerne la capacité d'adaptation à cet apprentissage, l'homme est maintenant bien en avance sur les machines intelligentes.Nous rencontrons souvent de petites quantités de données isolées et fragmentées les unes des autres, et parfois de grandes quantités de données, comme la protection de la vie privée, ne peuvent être recueillies en raison de nombreuses contraintes.à ce stade, l'apprentissage automatique est confronté à un goulot d'étranglement insurmontable.L'apprentissage de la migration est une solution à ce défi. Ce mécanisme d'apprentissage peut rendre le système d'intelligence artificielle plus fiable et plus stable, et il peut également adopter des modèles plus complexes pour faire face aux changements qui se produiront.

Grace à l'apprentissage par transfert, les connaissances peuvent être réutilisées afin que l'expérience acquise puisse être appliquée de fa?on répétée dans le monde réel.Si l'IA peut utiliser efficacement l'apprentissage par transfert, nous pouvons obtenir des machines intelligentes qui peuvent apprendre tout au long de la vie.Cela ressemble à la trajectoire de l'évolution humaine, et les scientifiques de l'intelligence artificielle ont travaillé dans cette direction.Les chercheurs ont commencé par considérer la capacité de transférer des connaissances comme la pierre angulaire de l'intelligence artificielle.L'apprentissage par analogie, le raisonnement fondé sur des cas, la réutilisation et la reconstruction des connaissances, l'apprentissage automatique tout au long de la vie, etc., entrent dans cette catégorie.Dans le domaine de la psychologie de l'éducation et de l'apprentissage, le transfert de l'apprentissage a toujours été un sujet important de recherche sur l'apprentissage efficace, et les gens croient fermement que le meilleur enseignement peut permettre aux étudiants d'apprendre à ? apprendre ? et d'adapter les connaissances acquises aux situations futures.

Prenons un exemple simple d'apprentissage de la migration.Il existe deux systèmes routiers dans le monde, l'un à gauche et l'autre à droite.Par exemple, aux états - Unis et en Chine continentale, les conducteurs sont situés sur le c?té gauche de la voiture et la voiture est conduite à droite.Au Royaume - Uni, à Hong Kong, en Chine, la position de conduite est à droite et la voiture roule à gauche.Je vis à Shenzhen, j'ai l'habitude de conduire à droite, mais à Hong Kong, j'ai peur de conduire, les habitudes de conduite sont difficiles à changer.Mais plus tard, vous pouvez prendre une voiture auto - conduite, et l'apprentissage de migration peut être utilisé ici, vous pouvez trouver les caractéristiques communes des deux types de conduite, laissez le système de conduite automatique basculer librement.Nous pouvons voir que quel que soit le c?té du conducteur, il est toujours le plus proche de l'axe de la route.Ce fait permet au conducteur de ? migrer? sans heurt ses habitudes de conduite d’une direction à l’autre.L'élément clé de l'apprentissage de la migration est la recherche d'une telle ? Invariance ? entre les différents domaines et taches.Bien s?r, l'apprentissage réel de la migration est beaucoup plus complexe que cette tache.

Dans l'apprentissage de la migration, l'algorithme demeure la technologie la plus importante, y compris l'algorithme basé sur l'échantillon, les caractéristiques, le modèle et la relation.Chaque algorithme de migration correspond à différents vecteurs de migration des connaissances.L'exploration de texte est un bon scénario d'application de l'algorithme d'apprentissage de la migration, qui peut trouver des connaissances structurelles utiles à partir de textes et les appliquer à d'autres domaines.Par exemple, la classification des émotions, les forums en ligne, les blogs, les réseaux sociaux, etc., ont un grand nombre de contenu généré par les utilisateurs, et il est très important de pouvoir résumer les opinions des consommateurs sur les produits et les services à partir de ceux - ci. Pour différents types de produits, différents types de sites en ligne, différentes industries, les utilisateurs peuvent faire en sorte que les utilisateurs expriment leurs opinions sur les mêmes émotions en différents termes.Dans ce cas, l'apprentissage de la migration peut être utilisé pour former des machines capables de classifier les émotions humaines.Et quand l'intelligence artificielle aura parcouru ce dernier kilomètre, beaucoup de gens seront probablement conscients de la grave menace qu'elle représente.

?