只需通過一個(gè)例子，該算法便可認(rèn)出圖像中的物體或其他東西。

正常情況下，計(jì)算機(jī)算法通常需要成千上萬個(gè)例子才能學(xué)會(huì)一件事情，但谷歌DeepMind的研究人員卻找到了一種新的方法，直接繞過這一流程。這種新方法被他們稱為“單次學(xué)習(xí)”，即算法只需通過一個(gè)例子便可認(rèn)出圖像中的物體或其他東西。

事實(shí)上，不少算法的確能夠準(zhǔn)確地識(shí)別物體，但該結(jié)果以龐大的數(shù)據(jù)訓(xùn)練為前提，因而不是一般的耗費(fèi)時(shí)間和金錢。此外，如此多的數(shù)據(jù)搜集也顯得并不實(shí)際——例如，不可能為了讓一個(gè)機(jī)器人在一套不熟悉的房子里行走而為其提供長時(shí)間的學(xué)習(xí)機(jī)會(huì)。

為解決這個(gè)問題，谷歌DeepMind研究員奧里奧爾·溫亞爾斯（Oriol Vinyals）在深度學(xué)習(xí)系統(tǒng)中增加了一個(gè)記憶組件。該團(tuán)隊(duì)利用一個(gè)名為ImageNet的標(biāo)記圖片數(shù)據(jù)庫對(duì)該系統(tǒng)的能力進(jìn)行了驗(yàn)證。

目前，該算法仍需要分析數(shù)百種圖片，但未來它將學(xué)會(huì)對(duì)圖片中獨(dú)特元素的分析，用一張照片識(shí)別新的物體。對(duì)此，溫亞爾斯稱，如果能夠快速識(shí)別出一個(gè)新單詞的意思，這項(xiàng)技術(shù)的用途便會(huì)得到明確體現(xiàn)。這對(duì)谷歌非常有用，因此該公司可以借此快速學(xué)習(xí)某個(gè)新的搜索項(xiàng)的含義。

DeepMind并不是第一個(gè)研究單次學(xué)習(xí)方法的團(tuán)隊(duì)，但之前人們所開發(fā)得單次學(xué)習(xí)系統(tǒng)通常不兼容深度學(xué)習(xí)系統(tǒng)。“我認(rèn)為這是一種很有趣的方法，它提供了一種新穎的方式對(duì)大規(guī)模的數(shù)據(jù)庫進(jìn)行單次學(xué)習(xí)。”韓國先進(jìn)科技學(xué)院大腦和機(jī)器智能實(shí)驗(yàn)室主任Sang Wan Lee說，“這為人工智能社區(qū)做出了技術(shù)貢獻(xiàn)，計(jì)算機(jī)視覺研究人員可能非常重視此事。”

當(dāng)然，也有人對(duì)這項(xiàng)技術(shù)的用途提出質(zhì)疑。哈佛大學(xué)腦科學(xué)系副教授山姆·格什曼（Sam Gershman）表示，人類通常是通過理解一張圖像的組成元素來學(xué)習(xí)的，這需要一些實(shí)際的知識(shí)或嘗試。例如，“賽格威可能看上去與自行車或摩托車大不相同，但它卻可以使用相同的零件。”

不過，格什曼和Sang Wan Lee都表示，機(jī)器要在學(xué)習(xí)能力上比拼人類仍然要經(jīng)過一段時(shí)間的發(fā)展。“我們遠(yuǎn)遠(yuǎn)沒有揭開人類單次學(xué)習(xí)的秘密。”Sang Wan Lee說。

最后，記得關(guān)注微信公眾號(hào)：鎂客網(wǎng)（im2maker），更多干貨在等你！