在进一步拓展AI的应用领域时，研究人员遇到了“前学后忘”的问题

cslehe

#111723#人工神经收集是用盘算机来摹拟人类大脑的AI技巧，这一方式获得了很大的胜利，谷歌计划的“阿尔法狗”曾经在围棋活动上闭幕了人类的统治。而在进一步拓展AI的利用范畴时，研讨职员碰到了“前学后忘”的成绩。MIT的专家发明，要处理这个成绩，须要持续向人类的大脑进修。
对以后最早进的深度神经收集停止练习，能够很快的让AI学会处置很多庞杂的义务。然而当人们给AI停止新义务的练习时，发明之前AI已经处置过的义务被敏捷地忘记了——学的有多快，忘的就有多快，这类苦楚大略每个领导过孩子作业的家长都能领会。而个别的处理方式是把之前对AI的练习存储起来，假如忘了就从新练习一下，然而这个措施会致使AI所占用的运算和存储资本暴增，开消宏大，是弗成延续的。
麻省理工大学阿默斯特分校和贝勒医学院的人工智能（AI）专家在新宣布的论文中，先容了一种新的方式来处理AI的“灾害性忘记”成绩。他们是在剖析和模拟人类进修和影象机制的基本上，开辟了新的方式来让AI能记着已经学会的货色。
与AI神经收集差别的是，人类能够在初期课程的基本上一直积累信息，人类的大脑用来维护这些主要影象的机制是再现，或许说是重放代表这些影象的神经元运动形式。
作者之一的西格尔曼说，该团队的重要看法在于“意识到大脑中的重放不会存储数据”。相反，“大脑能够在更高、更形象的档次上天生影象的表现，而无需天生具体的影象。” 受此启示，她和共事们发明了相似于大脑的人工回放，此中没有存储任何数据。相反，就像大脑一样，收集会天生之前所见事物的高等表现。  现实证实，“形象的天生性大脑重放”十分无效，而且该团队标明重放仅几个天生的表现足以记着旧影象，同时进修新影象。天生性重放不但能够避免灾害性的忘记，并且还为体系进修供给了一种新的，更简化的门路，它还使体系能够将进修从一种情形推行到另一种情形。  比方，假如让存在天生性重放功效的AI起首学会将猫与狗离开，而后将熊与狐狸离开，那末它在没有经由专门培训的情形下也能辨别猫和狐狸。并且，值得留神的是，体系学到的越多，进修新义务越好。  西格尔曼和共事以为：“咱们提出了一种全新的，受大脑启示的重放变体，此中重放由收集本身的高低文调制反应衔接天生的外部或暗藏表现情势。咱们的方式可实现最新的机能在不存储数据的情形下一直进修处置新义务，它为大脑中的形象程度重放供给了一种新鲜的模子。”
有个对于教导的调侃如许说：走出校门以后，大部份货色很快就忘却了，而终究留在大脑中的，就是你真正学到的货色。MIT开辟的的这类机制像是让AI本人总结了本人的“进修教训”，并将其利用到新的义务傍边。
参考文献：
1.https://techxplore.com/news/2020 ... ies-ai-experts.html 2.https://www.nature.com/articles/s41467-020-17866-2
xj
原文题目：战胜人工智能的“灾害性忘记”
文章出处：【微信大众号：知社学术圈】欢送增加存眷！文章转载请注明出处。
更多内容阅读推荐：冰柜不制冷一直运转是什么原因