人工知能の最後のキロ

鄭磊/文

機械は考えられますか？人工知能の父エレン？トゥンのこの問題はすでに部分的に解決されました。機械学習は一部の分野で人間のように考えて行動できるようになりました。

現在、機械学習はすでに工業と社会の発展を推進する重要な力となり、電子商取引と広告から教育と医療などの分野に投入する自動化政策を実現することができます。コンピュータベースの画像分析分野における顔認識は良い例である。医療映像の写真がたくさんあると、これらの写真で機械を訓練して、新しい写真を見せて、病気があるかどうか推測します。機械学習は会社の安全保障システムにも使えます。訪問者が会社員かどうかを判断します。しかし、マシン学習も多くの非難を受けています。主にこのような学習方式は大量のデータに基づいていなければなりません。さらに、この人工知能は大きなデータの基礎の上に築かなければならないとも言えます。現実的には、多くの場合、私たちが解決したい問題は少量のサンプルしか使用できません。これはスマートマシンと人間の本質的な違いであり、人間学習は既存の情報と知識に基づいているだけでなく、一つのモデルを適切に修正して別の場所に使うことができます。これは移転学習であり、伝統的な機械学習の次のステップに必要な能力である。

過去十数年間、アルゴリズム、理論研究、または実際のシーン応用において、移転学習はますます広範な関心と研究を得てきました。「移転学習」という本はこの分野のベテラン専門家によって書かれ、システムが全面的で、移転学習理論、自動移転学習、サンプル学習、終身機械学習などを含み、またコンピュータ視覚、自然言語処理、推薦システム、生物情報学、行動認識などの方面での成果を含んでいます。

赤ちゃんはまず、自分の親の見分け方を学んで、その見分け方を使って、他の人の見分け方を勉強します。子供はいくつかの例から学ぶだけで、すぐに規則をまとめることができます。このような小さいデータから学ぶ能力は、私たちに以前の経験を利用して調整し、新しい問題を解決するのに役立ちます。このような学習の適応力では、人類は現在、スマートマシンをはるかにリードしています。私たちがよく出会うのは、相互に孤立したり、断片化したりする少量のデータです。時には多くの制限のため、大量のデータを集めることができません。例えば、プライバシー保護です。この時、機械学習は克服しにくいボトルネック問題に遭遇しました。移動学習はこの課題に対する解決策であり、この学習メカニズムは人工知能システムをより信頼性と安定させ、より複雑なモデルを用いて変化に対応できるようにする。

移転学習によって知識を再利用し、得られた経験を繰り返し現実世界に応用することができます。人工知能が移転学習を効果的に使えば、生涯学習できるスマートマシンが得られます。これは人類の進化の軌跡と似ています。人工知能科学者はずっとこの方向に努力しています。研究者は最初から知識を移す能力を人工知能の主要な基礎としていた。類比学習、判例に基づく推理、知識の再利用と再構築、終身マシン学習などはこの範疇に属しています。教育と学習心理学の分野では、学習移転は常に効果的な学習の重要な課題であり、人々は最良の教育は学生に「どうやって学ぶか」を学ぶことができ、学んだ知識を未来の状況に適応させると確信しています。

私たちは簡単で分かりやすい移転学習の例を挙げます。世界には2つの道路システムがあります。それぞれ左と右側を通行します。例えば、米国と中国大陸の運転手は車の左側にあり、車は右側に走ります。イギリス、中国香港では車の右側にあり、車は左側を走る。私は深センに住んでいます。右側を走る習慣がありますが、香港に行くと、運転ができなくなります。運転習慣を変えるのは難しいです。しかし、これからは自動運転の車に乗ることができます。移動学習はここで使えるようになります。二つの運転に共通する特徴を見つけ出すことで、自動運転システムを自由に切り替えられます。運転手がどこに座っても、道路の中心線からはずっと一番近いです。この事実は運転者が運転習慣をスムーズに一方の方向から「移転」することを可能にする。学習移転の鍵となる要素は、異なる分野とタスクの間のこのような「不変性」を見つけることである。もちろん、実際の移転学習はこの任務よりずっと複雑です。

移行学習において、アルゴリズムは依然として最も核心的な技術であり、サンプル、特徴、モデルおよび関係に基づくアルゴリズムを含む。各移動アルゴリズムはそれぞれ異なる知識移動キャリアに対応する。テキストマイニングは学習アルゴリズムを移動させるための優れた応用シーンであり、テキストから有用な構造知識を見つけ、他の分野に応用できる。例えば、感情分類、オンラインフォーラム、ブログ、ソーシャルネットワークなど、多くのユーザーが生成したコンテンツがあり、消費者の製品とサービスに対する見方を総括することは非常に重要であり、異なるタイプの製品、異なるタイプのオンラインサイト、異なる業界に対して、ユーザーは異なる言葉で彼らが同じ感情を持つ観点を表現することができる。このような状況では、移動学習で人間の感情分類能力を持つマシンを訓練することができます。人工知能が最後のキロを走ると、多くの人に深刻な脅威を意識させるかもしれません。