近日，由北京大學(xué)人工智能研究院與北京通用人工智能研究院共同完成的研究成果——“人類水平的小樣本概念學(xué)習(xí)”，在國際學(xué)術(shù)期刊《科學(xué)·進展》上發(fā)表。這一成果首次讓人工智能系統(tǒng)在沒有大數(shù)據(jù)訓(xùn)練的情況下，能像人類一樣通過概念學(xué)習(xí)和邏輯推理的方式完成學(xué)習(xí)任務(wù)。

　　人工智能系統(tǒng)主要以海量數(shù)據(jù)為基礎(chǔ)，利用大量算力和存儲進行數(shù)據(jù)“檢索”，核心范式是深度學(xué)習(xí)。近年來，這類人工智能取得顯著進展，誕生了以生成式人工智能為代表的熱門應(yīng)用。國際學(xué)術(shù)前沿追逐的另一個焦點是“小樣本概念學(xué)習(xí)”，這一人工智能范式旨在探索教會人工智能系統(tǒng)掌握抽象概念學(xué)習(xí)和認(rèn)知推理的能力。

　　論文通訊作者、北京大學(xué)人工智能研究院助理教授朱毅鑫解釋：“這是一種‘舉一反三’的能力。例如，我們在打游戲的時候，不需要打成千上萬局游戲，而是在觀察學(xué)習(xí)后就可以自己上手。又如，我們小時候通過觀察他人行為，就能學(xué)會基本的社交規(guī)范，并將其應(yīng)用到不同場合?！?/P>

　　在數(shù)據(jù)匱乏或僅有少量數(shù)據(jù)和抽象概念的時候，“小樣本概念學(xué)習(xí)”便有了用武之地。“這種方式在不需要算力或數(shù)據(jù)堆積、成本可控的情況下也能求解很多問題。”論文第一作者、北京通用人工智能研究院研究員張馳介紹，北京大學(xué)教授朱松純早在上世紀(jì)90年代就提出了一種研究思路，即用統(tǒng)計數(shù)據(jù)建模的方式找出現(xiàn)有少量數(shù)據(jù)間的聯(lián)系，用高效率的算法來代替窮舉，從而求解問題。

　　這一方法最早應(yīng)用于計算機視覺領(lǐng)域的圖片生成模型。朱毅鑫說，當(dāng)時計算機視覺領(lǐng)域有一類難題叫作“什么是紋理”。比如，兩張有著明顯差別的紋理圖片，如果用計算機視覺進行逐個像素的比對，就會認(rèn)為是不一樣的，但如果用人的肉眼識別則會認(rèn)為是相同的?！斑@是因為人類往往根據(jù)圖像中的統(tǒng)計規(guī)律來比對，如果統(tǒng)計規(guī)律一致，我們就認(rèn)為兩張圖片是一樣的?！?/P>

　　受此研究思路的啟發(fā)，研究團隊創(chuàng)新性地提出了高效解決抽象推理問題的方法，將一些抽象推理問題轉(zhuǎn)化為易于求解的優(yōu)化問題，使人工智能通過快速迭代和建模取得令人滿意的結(jié)果。在團隊組織開展的多項測試中，該學(xué)習(xí)模型戰(zhàn)勝了高水平的人類選手，在邁向通用人工智能的道路上更進一步?！拔磥砦覀儗⒃谥悄芙煌ā⒅腔坩t(yī)療等領(lǐng)域推進相關(guān)成果的落地應(yīng)用，促進科技成果轉(zhuǎn)化。”張馳表示。

　　《 人民日報 》（ 2024年04月29日 19 版）

分享讓更多人看到