原標(biāo)題：新算法讓機(jī)器學(xué)習(xí)視覺世界

　　美國(guó)科學(xué)家日前報(bào)告說，他們從人類大腦的學(xué)習(xí)方式中獲得靈感，研發(fā)出一種新的“深度學(xué)習(xí)”算法，可以讓機(jī)器像人類嬰兒一樣自主學(xué)習(xí)視覺世界。

　　在深度學(xué)習(xí)領(lǐng)域，科學(xué)家喜歡用“這是1，這是2”的方法來訓(xùn)練機(jī)器。這種被稱為“監(jiān)督學(xué)習(xí)”的技術(shù)，在訓(xùn)練時(shí)需要為機(jī)器提供成千上萬標(biāo)記好的樣本，此前被認(rèn)為是最有效的方法。

　　不過，人類并不是這樣學(xué)習(xí)。在大多數(shù)情況下，人類大腦的學(xué)習(xí)方式都是“無監(jiān)督學(xué)習(xí)”。在日前于西班牙巴塞羅那舉行的神經(jīng)信息處理系統(tǒng)大會(huì)上，研究人員發(fā)表報(bào)告說，美國(guó)賴斯大學(xué)和貝勒醫(yī)學(xué)院的神經(jīng)科學(xué)和人工智能專家研發(fā)出一種“半監(jiān)督學(xué)習(xí)”算法，這種機(jī)器學(xué)習(xí)方式與人類更為接近。

　　據(jù)介紹，研究人員首先僅向新研發(fā)出的“深度渲染混合模型”提供從0到9這10個(gè)數(shù)字的10個(gè)手寫標(biāo)準(zhǔn)樣本，然后再讓模型去“自學(xué)”數(shù)千個(gè)樣本數(shù)據(jù)，通過這種“半監(jiān)督學(xué)習(xí)”算法讓模型學(xué)習(xí)識(shí)別手寫體數(shù)字。最終測(cè)試結(jié)果顯示，在辨別手寫數(shù)字方面，這種模型比此前幾乎所有算法，即一開始就通過數(shù)千個(gè)正確樣本訓(xùn)練機(jī)器“學(xué)習(xí)”每個(gè)數(shù)字的方法更為準(zhǔn)確。

　　研究人員表示，這種“半監(jiān)督學(xué)習(xí)”算法屬于一種“卷積神經(jīng)網(wǎng)絡(luò)”。從本質(zhì)上說，卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)“非常簡(jiǎn)單的視覺皮層”。舉例來說，如果給這個(gè)網(wǎng)絡(luò)輸入一個(gè)圖像，那么它的每一層就會(huì)處理這個(gè)圖像的一部分特征，而隨著層級(jí)深入，對(duì)于圖像的理解也就不斷加深。到最后一層，這個(gè)網(wǎng)絡(luò)就會(huì)獲得關(guān)于這個(gè)圖像相當(dāng)深入且抽象的理解。事實(shí)上，現(xiàn)今幾乎所有自動(dòng)駕駛系統(tǒng)都配備了這種網(wǎng)絡(luò)，因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)是迄今最好的視覺處理方法。

　　研究人員認(rèn)為，他們研發(fā)出的這種人工神經(jīng)網(wǎng)絡(luò)還可以幫助神經(jīng)科學(xué)家更好地了解人類大腦處理信息的方式，因?yàn)槿祟惔竽X的“算法”遠(yuǎn)遠(yuǎn)優(yōu)于任何人類設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)。

　　（據(jù)新華網(wǎng)）