国产精品成人国产乱,成人精品一区二区,国产乱码免费卡1卡二卡3卡四卡,久久婷婷五月综合色欧美蜜芽

據(jù)外媒報道，機器的記憶與人類的記憶都一樣難以掌握，為了幫助了解為什么人工智能在認知過程中出現(xiàn)漏洞，美國俄亥俄州立大學的電氣工程師分析了“持續(xù)學習”過程（continual learning）對機器的整體表現(xiàn)有多大的影響。

教高級系統(tǒng)像人類一樣學習（圖片來源：俄亥俄州立大學）

持續(xù)學習是指計算機接受訓練，不斷學習一系列任務，利用從舊任務中積累的知識更好地學習新任務。不過，如果要實現(xiàn)此類高水平的持續(xù)學習，科學家們?nèi)孕枰朔粋€主要障礙，即學習如何規(guī)避機器在學習過程中的“記憶喪失”過程，在人工智能代理中，稱為“災難性遺忘”。俄亥俄州立大學計算機科學與工程系教授Ness Shroff表示，隨著人工神經(jīng)網(wǎng)絡在一個接著一個的新任務上接受訓練，往往會失去從以前的任務中獲得的信息，隨著社會越來越依賴人工智能系統(tǒng)，這會成為一個大問題。

Shroff教授表示：“即使自動駕駛應用或其他機器人系統(tǒng)被教授新東西，它們也不能忘記已經(jīng)學到的、確保我們和它們安全的知識，這很重要。我們深入研究了人工神經(jīng)網(wǎng)絡中持續(xù)學習的復雜性，我們發(fā)現(xiàn)的知識彌合了機器與人類學習方式間的差距?！?/p>

Shroff教授表示，研究人員發(fā)現(xiàn)，就像人們可能很難回憶起類似場景中差別明顯的事實，但是非常容易想起不同的場景，人工神經(jīng)網(wǎng)絡在接連面對不同的任務時，能夠更好地回憶起信息，而不是那些具有相似特征的任務。

雖然教授自動駕駛系統(tǒng)展示此種動態(tài)的終身學習過程可能很具有挑戰(zhàn)性，但是擁有此種能力可以讓科學家以更快的速度提升機器學習算法，并輕松調(diào)整此類算法，以應對不斷變化的環(huán)境和意外情況。最終，此類系統(tǒng)的目標是未來可模仿人類的學習能力。

傳統(tǒng)的機器學習算法是一次性對數(shù)據(jù)進行訓練，但是該團隊的發(fā)現(xiàn)表明，任務的相似性、正相關和負相關，甚至算法學習任務的順序等因素很重要，對于人工神經(jīng)網(wǎng)絡保留知識的時間長度都有影響。

例如，為了優(yōu)化算法的記憶，不同的任務應該在持續(xù)學習過程中提早被教授。此種方法擴展了該網(wǎng)絡獲取新信息的能力，并提高了其后續(xù)學習更多類似任務的能力。

Shroff教授表示，他們的研究特別重要，因為了解機器和人類大腦之間的相似性可以為更深入地了解人工智能鋪平道路。