智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
近幾年，很多公司和科技博客都在鼓吹“人工智能”代表未來，并提出他們會如何運(yùn)用“機(jī)器學(xué)習(xí)”來改進(jìn)科技，在競爭中脫穎而出。但是機(jī)器學(xué)習(xí)究竟是什么？它對科技的發(fā)展有何實質(zhì)性作用？
根據(jù)機(jī)構(gòu)定義，機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。
簡單來說，就是機(jī)器通過收集數(shù)據(jù)向人或其他事物學(xué)習(xí)。好比自動駕駛，相較于其他機(jī)器學(xué)習(xí)模式，自動駕駛汽車則更具有活力。汽車通過觀察人們在路上行駛的傳感器來分析成千上萬的數(shù)據(jù)點。早前的特斯拉ModelS就一直是利用眾包數(shù)據(jù)技術(shù)。
的確，作為人工智能的核心，機(jī)器學(xué)習(xí)是使計算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。隨著近年來人工智能熱潮的不斷升溫，有關(guān)機(jī)器學(xué)習(xí)的市場需求也呈現(xiàn)上升趨勢，相關(guān)崗位的薪資待遇更是躍升到15K以上。
谷歌在近期就發(fā)表了一篇關(guān)于題為“機(jī)器學(xué)習(xí)一個模式足矣(One Model to Learn Them All)”的學(xué)術(shù)論文，為打造一種能夠很好地處理多任務(wù)的單一機(jī)器學(xué)習(xí)模式提供了樣板。
谷歌公司的研究人員將這種模式稱為“多任務(wù)模式(MultiModel)”。這種多任務(wù)模式基于多種任務(wù)進(jìn)行訓(xùn)練，可為其他機(jī)器學(xué)習(xí)模型量身打造解決方案的功能，包括翻譯、語言解析、語音識別、圖像識別和目標(biāo)檢測等。盡管訓(xùn)練結(jié)果與現(xiàn)有的方法相比還沒有大幅進(jìn)步，但卻能夠表明，基于多種任務(wù)來訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)可能會有助于提升整體性能。
例如，多任務(wù)模式在基于力所能及的所有行動來進(jìn)行訓(xùn)練時，即相對于用單一行動進(jìn)行訓(xùn)練，此刻多任務(wù)模式下的機(jī)器翻譯、語音和解析等準(zhǔn)確性都能夠得到提升。目前的研究顯示，谷歌目前著墨的方向，未來或許可用于開發(fā)不同領(lǐng)域的類似模型。
不僅如此，谷歌的這篇論文可能會為研發(fā)能夠更加廣泛應(yīng)用、更加的未來機(jī)器學(xué)習(xí)系統(tǒng)提供樣板。除了應(yīng)用范圍更為廣泛外，也可望提供較現(xiàn)今市面上更為的解決方案。更為重要的是，這些技術(shù)(或其分支)或許會有助于減少打造可靠機(jī)器學(xué)習(xí)算法時所需的訓(xùn)練數(shù)據(jù)量。
機(jī)器學(xué)習(xí)目前還面臨著一項巨大的挑戰(zhàn)——如何處理系統(tǒng)中的不確定性。所謂的不確定性，就是指同樣的輸入不一定會產(chǎn)生一樣的輸出結(jié)果。因此，在機(jī)器學(xué)習(xí)時代真正到來之前，必須首先解決其不確定性。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
