人工知能の最後のキロ

鄭磊/文

機(jī)械は考えられますか？人工知能の父エレン？トゥンのこの問(wèn)題はすでに部分的に解決されました。機(jī)械學(xué)習(xí)は一部の分野で人間のように考えて行動(dòng)できるようになりました。

現(xiàn)在、機(jī)械學(xué)習(xí)はすでに工業(yè)と社會(huì)の発展を推進(jìn)する重要な力となり、電子商取引と広告から教育と醫(yī)療などの分野に投入する自動(dòng)化政策を?qū)g現(xiàn)することができます。コンピュータベースの畫像分析分野における顔認(rèn)識(shí)は良い例である。醫(yī)療映像の寫真がたくさんあると、これらの寫真で機(jī)械を訓(xùn)練して、新しい寫真を見せて、病気があるかどうか推測(cè)します。機(jī)械學(xué)習(xí)は會(huì)社の安全保障システムにも使えます。訪問(wèn)者が會(huì)社員かどうかを判斷します。しかし、マシン學(xué)習(xí)も多くの非難を受けています。主にこのような學(xué)習(xí)方式は大量のデータに基づいていなければなりません。さらに、この人工知能は大きなデータの基礎(chǔ)の上に築かなければならないとも言えます。現(xiàn)実的には、多くの場(chǎng)合、私たちが解決したい問(wèn)題は少量のサンプルしか使用できません。これはスマートマシンと人間の本質(zhì)的な違いであり、人間學(xué)習(xí)は既存の情報(bào)と知識(shí)に基づいているだけでなく、一つのモデルを適切に修正して別の場(chǎng)所に使うことができます。これは移転學(xué)習(xí)であり、伝統(tǒng)的な機(jī)械學(xué)習(xí)の次のステップに必要な能力である。

過(guò)去十?dāng)?shù)年間、アルゴリズム、理論研究、または実際のシーン応用において、移転學(xué)習(xí)はますます広範(fàn)な関心と研究を得てきました。「移転學(xué)習(xí)」という本はこの分野のベテラン専門家によって書かれ、システムが全面的で、移転學(xué)習(xí)理論、自動(dòng)移転學(xué)習(xí)、サンプル學(xué)習(xí)、終身機(jī)械學(xué)習(xí)などを含み、またコンピュータ視覚、自然言語(yǔ)処理、推薦システム、生物情報(bào)學(xué)、行動(dòng)認(rèn)識(shí)などの方面での成果を含んでいます。

赤ちゃんはまず、自分の親の見分け方を?qū)Wんで、その見分け方を使って、他の人の見分け方を勉強(qiáng)します。子供はいくつかの例から學(xué)ぶだけで、すぐに規(guī)則をまとめることができます。このような小さいデータから學(xué)ぶ能力は、私たちに以前の経験を利用して調(diào)整し、新しい問(wèn)題を解決するのに役立ちます。このような學(xué)習(xí)の適応力では、人類は現(xiàn)在、スマートマシンをはるかにリードしています。私たちがよく出會(huì)うのは、相互に孤立したり、斷片化したりする少量のデータです。時(shí)には多くの制限のため、大量のデータを集めることができません。例えば、プライバシー保護(hù)です。この時(shí)、機(jī)械學(xué)習(xí)は克服しにくいボトルネック問(wèn)題に遭遇しました。移動(dòng)學(xué)習(xí)はこの課題に対する解決策であり、この學(xué)習(xí)メカニズムは人工知能システムをより信頼性と安定させ、より複雑なモデルを用いて変化に対応できるようにする。

移転學(xué)習(xí)によって知識(shí)を再利用し、得られた経験を繰り返し現(xiàn)実世界に応用することができます。人工知能が移転學(xué)習(xí)を効果的に使えば、生涯學(xué)習(xí)できるスマートマシンが得られます。これは人類の進(jìn)化の軌跡と似ています。人工知能科學(xué)者はずっとこの方向に努力しています。研究者は最初から知識(shí)を移す能力を人工知能の主要な基礎(chǔ)としていた。類比學(xué)習(xí)、判例に基づく推理、知識(shí)の再利用と再構(gòu)築、終身マシン學(xué)習(xí)などはこの範(fàn)疇に屬しています。教育と學(xué)習(xí)心理學(xué)の分野では、學(xué)習(xí)移転は常に効果的な學(xué)習(xí)の重要な課題であり、人々は最良の教育は學(xué)生に「どうやって學(xué)ぶか」を?qū)Wぶことができ、學(xué)んだ知識(shí)を未來(lái)の狀況に適応させると確信しています。

私たちは簡(jiǎn)単で分かりやすい移転學(xué)習(xí)の例を挙げます。世界には2つの道路システムがあります。それぞれ左と右側(cè)を通行します。例えば、米國(guó)と中國(guó)大陸の運(yùn)転手は車の左側(cè)にあり、車は右側(cè)に走ります。イギリス、中國(guó)香港では車の右側(cè)にあり、車は左側(cè)を走る。私は深センに住んでいます。右側(cè)を走る習(xí)慣がありますが、香港に行くと、運(yùn)転ができなくなります。運(yùn)転習(xí)慣を変えるのは難しいです。しかし、これからは自動(dòng)運(yùn)転の車に乗ることができます。移動(dòng)學(xué)習(xí)はここで使えるようになります。二つの運(yùn)転に共通する特徴を見つけ出すことで、自動(dòng)運(yùn)転システムを自由に切り替えられます。運(yùn)転手がどこに座っても、道路の中心線からはずっと一番近いです。この事実は運(yùn)転者が運(yùn)転習(xí)慣をスムーズに一方の方向から「移転」することを可能にする。學(xué)習(xí)移転の鍵となる要素は、異なる分野とタスクの間のこのような「不変性」を見つけることである。もちろん、実際の移転學(xué)習(xí)はこの任務(wù)よりずっと複雑です。

移行學(xué)習(xí)において、アルゴリズムは依然として最も核心的な技術(shù)であり、サンプル、特徴、モデルおよび関係に基づくアルゴリズムを含む。各移動(dòng)アルゴリズムはそれぞれ異なる知識(shí)移動(dòng)キャリアに対応する。テキストマイニングは學(xué)習(xí)アルゴリズムを移動(dòng)させるための優(yōu)れた応用シーンであり、テキストから有用な構(gòu)造知識(shí)を見つけ、他の分野に応用できる。例えば、感情分類、オンラインフォーラム、ブログ、ソーシャルネットワークなど、多くのユーザーが生成したコンテンツがあり、消費(fèi)者の製品とサービスに対する見方を総括することは非常に重要であり、異なるタイプの製品、異なるタイプのオンラインサイト、異なる業(yè)界に対して、ユーザーは異なる言葉で彼らが同じ感情を持つ観點(diǎn)を表現(xiàn)することができる。このような狀況では、移動(dòng)學(xué)習(xí)で人間の感情分類能力を持つマシンを訓(xùn)練することができます。人工知能が最後のキロを走ると、多くの人に深刻な脅威を意識(shí)させるかもしれません。

?