據(jù)外媒報(bào)道，操作神經(jīng)生物學(xué)要領(lǐng)，芬蘭計(jì)較機(jī)科學(xué)家正在人工智能研究的進(jìn)程中取得新打破：深度進(jìn)修神經(jīng)網(wǎng)絡(luò)可以自主識(shí)別出圖片中的工具，精確率到達(dá)了75%。

人腦很是奇妙。在幾十年研究之后，人類仍然無法復(fù)制出人腦的超快計(jì)較速度。今朝，計(jì)較機(jī)科學(xué)家可以操作的最強(qiáng)大東西是神經(jīng)網(wǎng)絡(luò)。這樣的大型計(jì)較機(jī)網(wǎng)絡(luò)能通過練習(xí)去辦理巨大問題，而機(jī)制雷同于人類的中樞神經(jīng)系統(tǒng)，即操作差異條理的神經(jīng)元辦理問題的差異部門，香港云服務(wù)器 美國云主機(jī)，最終歸并為適當(dāng)?shù)闹i底。

今朝的問題在于，這樣的神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)輸入和練習(xí)，隨后才氣學(xué)會(huì)如何辦理問題。譬喻，ImageNet是個(gè)很好的練習(xí)數(shù)據(jù)源，這一復(fù)雜的可視化信息數(shù)據(jù)庫中包括100萬張顛末人工標(biāo)注的照片。

這被稱作“監(jiān)視進(jìn)修”，而真正的人工智能意味著，神經(jīng)網(wǎng)絡(luò)需要學(xué)會(huì)如何自動(dòng)完成“無監(jiān)視進(jìn)修”。這正是芬蘭創(chuàng)業(yè)公司Curious AI但愿實(shí)現(xiàn)的方針。

Curious AI首席技能官安迪·拉斯姆斯（Antti Rasmus）在赫爾辛基的Slush 2016科技行業(yè)大會(huì)上暗示：“人腦會(huì)舉辦大量的無監(jiān)視進(jìn)修。我們不需要重復(fù)匯報(bào)嬰兒，勺子是什么。他們可以自動(dòng)從情況中進(jìn)修，并形成觀念。”

“對(duì)人腦來說，按照某一工具形成觀念很簡(jiǎn)樸。這已在心理學(xué)中獲得了研究，即‘名目塔理論’。人腦會(huì)將具備雷同形狀、顏色、舉動(dòng)狀態(tài)和模式的對(duì)象歸類在一起。我們采納的第一步是讓深度進(jìn)修系統(tǒng)能像人腦一樣，對(duì)工具舉辦歸類。”

將神經(jīng)科學(xué)應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)

在神經(jīng)科學(xué)中，名為“速率編碼”的理論認(rèn)為，大腦中神經(jīng)元的引發(fā)速率越高，神經(jīng)元就越活潑。神經(jīng)元一連被引發(fā)。而80年月時(shí)，科學(xué)家發(fā)明，神經(jīng)元會(huì)將自身組織在一起，代表差異的信息。

這一理論被稱作“姑且編碼”。理論認(rèn)為，神經(jīng)元的引發(fā)機(jī)緣很重要，而精確的引發(fā)機(jī)緣界說了，在數(shù)萬神經(jīng)元中哪些神經(jīng)元屬于同一群體。因此，一部門神經(jīng)元可以同時(shí)引發(fā)，輔佐大腦識(shí)別一系列工具中的某個(gè)工具，譬喻一堆辦公用品中的一塊紅布，而另一部門神經(jīng)元會(huì)奉告大腦，其他工具都屬于配景信息。

拉斯姆斯暗示：“我們的計(jì)較機(jī)算法集成了姑且編碼機(jī)制。我們?cè)谏窠?jīng)網(wǎng)絡(luò)的每層中生存多個(gè)拷貝。整個(gè)神經(jīng)網(wǎng)絡(luò)被復(fù)制了4次。這意味著系統(tǒng)可以進(jìn)修得知，每個(gè)拷貝代表了某個(gè)特定工具，而將這些工具歸并在一起，就可以與原始圖像舉辦匹配。”拉斯姆斯此前曾是英偉達(dá)的軟件工程師，今朝正在芬蘭阿爾托大學(xué)從事深度進(jìn)修的博士研究事情。

“通過將圖像分為差異的4組，神經(jīng)網(wǎng)絡(luò)可以自行編碼圖像。這就是無監(jiān)視進(jìn)修，我們不消對(duì)系統(tǒng)舉辦任何標(biāo)志。當(dāng)我們向神經(jīng)網(wǎng)絡(luò)展示圖片時(shí)，它會(huì)將圖片自主解析成為元素（譬喻圖片中的工具）。”

在神經(jīng)網(wǎng)絡(luò)將圖片解析為單獨(dú)元素之后，歸類和識(shí)別工具就變得更容易，因?yàn)檫@些工具不會(huì)彼此重疊，導(dǎo)致圖像恍惚不清。

知覺分組可以給深度進(jìn)修帶來厘革

研究人員最初指導(dǎo)神經(jīng)網(wǎng)絡(luò)在無監(jiān)視的環(huán)境下闡明圖片，組織工具，隨后向圖像插手標(biāo)志信息（監(jiān)視進(jìn)修），從而調(diào)查系統(tǒng)畢竟學(xué)會(huì)了什么。他們發(fā)明，Curious AI的Tagger系統(tǒng)能實(shí)現(xiàn)75.1%的精確率。

作為比擬，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的精確率只有21%，比隨機(jī)揣摩的精確率僅僅跨越1%。

拉斯姆斯暗示：“這是革命性的研究，這使得無監(jiān)視進(jìn)修得到了進(jìn)一步成長(zhǎng)。通過讓呆板得到工具的觀念，我們實(shí)現(xiàn)了更雷同人腦的無監(jiān)視進(jìn)修。這可以輔佐將來的研究，讓神經(jīng)網(wǎng)絡(luò)舉辦更高條理的推理，進(jìn)修工具與情況的相關(guān)性。”

“在當(dāng)前系統(tǒng)中，計(jì)較機(jī)運(yùn)行在基于統(tǒng)計(jì)的世界觀中。假如讓計(jì)較機(jī)進(jìn)入人類糊口的世界，那么很是重要的一點(diǎn)是讓呆板以雷同人類的方法去領(lǐng)略世界。人們凡是很難領(lǐng)略計(jì)較機(jī)視覺的結(jié)果很差，因?yàn)槿搜垡曈X對(duì)我們來說很自然。”

該公司的相應(yīng)論文《Tagger：深度無監(jiān)視知覺分組》將于12月7日在巴塞羅那的“神經(jīng)信息處理懲罰系統(tǒng)2016”深度進(jìn)修大會(huì)上頒發(fā)。

Curious AI正在尋找家產(chǎn)界的相助同伴，在現(xiàn)實(shí)世界的人工智能系統(tǒng)中試點(diǎn)其深度進(jìn)修技能。今朝，該公司正與但愿成長(zhǎng)無人駕駛技能的汽車廠商舉辦打仗。