取消
搜索历史
热搜词
原创
活动
创新2.0
I T
产业
当前位置:首页 >互联网•IT > 互联网+ > 互联网化 > 正文
机器学习应用日益深化 系统不确定性问题待解
来源:中国智能制造网  :佚名 2017-06-28 09:15:56
作为人工智能的核心,机器学习是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。但目前,机器学习系统中还存在着巨大的不确定性,简单来说就是,同样的输入不一定会产生一样的输出结果。

作为人工智能的核心,机器学习是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。但目前,机器学习系统中还存在着巨大的不确定性,简单来说就是,同样的输入不一定会产生一样的输出结果。

近几年,很多公司和科技博客都在鼓吹“人工智能”代表未来,并提出他们会如何运用“机器学习”来改进科技,在竞争中脱颖而出。但是机器学习究竟是什么?它对全球科技的发展有何实质性作用?

根据权威机构定义,机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

简单来说,就是机器通过收集数据向人或其他事物学习。好比自动驾驶,相较于其他机器学习模式,自动驾驶汽车则更具有活力。汽车通过观察人们在路上行驶的传感器来分析成千上万的数据点。早前的特斯拉ModelS就一直是利用众包数据技术。

的确,作为人工智能的核心,机器学习是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。随着近年来人工智能热潮的不断升温,有关机器学习的市场需求也呈现上升趋势,相关岗位的薪资待遇更是跃升到15K以上。

谷歌在近期就发表了一篇关于题为“机器学习一个模式足矣(One Model to Learn Them All)”的学术论文,为打造一种能够很好地处理多任务的单一机器学习模式提供了样板。

谷歌公司的研究人员将这种模式称为“多任务模式(MultiModel)”。这种多任务模式基于多种任务进行训练,可为其他机器学习模型量身打造解决方案的功能,包括翻译、语言解析、语音识别、图像识别和目标检测等。尽管训练结果与现有的方法相比还没有大幅进步,但却能够表明,基于多种任务来训练机器学习系统可能会有助于提升整体性能。

例如,多任务模式在基于力所能及的所有行动来进行训练时,即相对于用单一行动进行训练,此刻多任务模式下的机器翻译、语音和解析等准确性都能够得到提升。目前的研究显示,谷歌目前着墨的方向,未来或许可用于开发不同领域的类似模型。

不仅如此,谷歌的这篇论文可能会为研发能够更加广泛应用、更加精准的未来机器学习系统提供样板。除了应用范围更为广泛外,也可望提供较现今市面上更为精确的解决方案。更为重要的是,这些技术(或其分支)或许会有助于减少打造可靠机器学习算法时所需的训练数据量。

机器学习目前还面临着一项巨大的挑战——如何处理系统中的不确定性。所谓的不确定性,就是指同样的输入不一定会产生一样的输出结果。因此,在机器学习时代真正到来之前,必须首先解决其不确定性。

编辑:田甜
关键字:     机器学习  人工智能  收集数据 
活动 直播间  | CIO智行社

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。