搜索

麻省理工学院的AI模型以最少的训练数据学习对象之间的关系

gecimao 发表于 2019-04-13 16:03 | 查看: | 回复:

  深度学习系统挑选数据中的统计模式 - 这就是他们如何解释世界。但是统计学习需要大量数据,而且并不是特别擅长将过去的知识应用于新情况。这与符号AI不同,后者记录了用比传统方法更少数据来做出决策所采取的步骤链。

  麻省理工学院,麻省理工学院--Watson AI实验室和DeepMind的一组研究人员进行的一项新研究证明了符号AI应用于图像理解任务的潜力。他们说,在测试中,他们的混合模型设法学习与颜色和形状等对象相关的概念,利用这些知识在场景中以最少的训练数据和“没有明确的编程”来描述对象关系。

  儿童学习概念的一种方式是通过将图像与图像联系起来,”研究的主要作者毛家元在一份声明中说。“能够以相同方式学习的机器需要更少的数据,并能更好地将其知识转移到新的场景中。”

  团队的模型包括将图像转换为基于对象的表示的感知组件,以及从单词和句子中提取含义的语言层,并创建告知AI如何回答问题的“符号程序”(即指令)。第三个模块在场景中运行符号程序并吐出答案,在出错时更新模型。

  研究人员根据斯坦福大学CLEVR图像理解测试集的相关问题和答案对图像进行了训练。(例如:“物体的颜色是什么?”和“有多少物体都在绿色圆柱体的右侧,并且与小蓝球具有相同的材料?”)随着模型的学习,问题逐渐变得越来越难,一次它掌握了对象级概念,该模型进一步学习如何将对象及其属性相互关联。

  在实验中,它能够“几乎完美地”解释新的场景和概念,研究人员报告说,只用了5,000张图像和100,000个问题(与70,000张图像和700,000个问题相比),轻松地超越了其他前沿的AI系统。该团队留待未来的工作改进其在真实世界照片上的表现,并将其扩展到视频理解和机器人操作。

本文链接:http://robynlynne.com/duixiangmoxing/65.html
随机为您推荐歌词
推荐文章

联系我们 | 关于我们 | 网友投稿 | 版权声明 | 广告服务 | 站点统计 | 网站地图

版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

Copyright @ 2012-2013 织梦猫 版权所有  Powered by Dedecms 5.7
渝ICP备10013703号  

回顶部