搜索

麻省理工学院AI模型:只需少量的训练数据就能学习对象之间的关系

gecimao 发表于 2019-04-13 16:05 | 查看: | 回复:

  深度学习往往需要大量的数据,不然就会出现过度拟合。然而,获取大规模数据往往非常困难,而且深度学习并不是特别擅长将过去掌握的知识应用于新的情况。与传统方法不同,符号AI可以用更少的数据,记录下为做出决策所采取的一系列步骤。

  据外媒报道,麻省理工学院、Watson AI实验室以及DeepMind的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具有很大的潜力。他们说,在测试中,他们的混合模型学习了与颜色和形状等对象相关的概念,利用这些知识在一个场景中用最少的训练数据和“无显式编程”来推测对象关系。

  符号AI研究论文的主要作者Jiayuan Mao在一份声明中说:“儿童学习一种概念的方式是将词汇和图像联系起来,但符号AI模型与儿童相比,学习同一种概念需要的数据要少得多,并能更好的将知识转化应用到新的场景中。”

  该团队的模型包括一个将感知组件(该组件将图像转换为基于对象的表示),以及一个语言层(该语言层从单词和句子中提取含义,并创建告知AI如何回答问题的“符号程序”,即指令)。模型的第三个模块在场景中运行符号程序,并给出答案,当模型出错时就对其进行更新。

  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?以及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,问题会变得越来越难,一旦它掌握了对象级概念,该模型就开始学习如何将对象及其属性相互关联。

  研究人员训练了一个混合AI模型来回答“绿色立方体左边的红色物体与紫色哑光物具有相同形状吗?”之类的问题

  在实验中,符号AI模型能够几乎完美地解释新的场景和概念。据研究人员报告,符号AI模型整个训练过程,只用了5000张图像和10万个问题,就轻松地超越其他前沿的AI系统。该团队将在未来的工作中进一步改进符号AI模型在真实照片上的表现,并将其扩展应用到视频理解和机器人操作上。

本文链接:http://robynlynne.com/duixiangmoxing/69.html
随机为您推荐歌词

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