欢迎访问法甲下注_法甲竞猜_法甲联赛下注-官网有限公司官网 !

法甲下注_法甲竞猜_法甲联赛下注-官网

联系我们

全国咨询热线:0755-33506161

公司名称:深圳市法甲下注有限公司
电话:0755-33506161
传真:0755-33605535
手机:13922830701
地址:深圳市宝安区松岗镇广田路天恒石材市场8号厂房

[法甲联赛下注]Catherine Havasi:让机器像人一样学

文章来源:http://www.cityml.com 发表时间:2020-04-21 作者:admin

法甲联赛下注是24小时提供时政新闻,国内新闻,国际新闻,生活新闻,时事热点,新闻图片,军事,历史,生活,的专业时事报道门户网站。

毫无疑问,机器学习与人工智能是近年来最炙手可热的新兴技术。然而,随着人工智能在越来越多的领域投入应用,我们也越来越经常地听到人们这样的抱怨:“我们没有足够的数据……”、“我们没有足够的算力……”

没错,数据和算力的制约,确实是目前机器学习未来发展面临的难题之一。

为什么会出现这种情况,面对这个问题我们又有什么解决方案呢?麻省理工媒体实验室研究员、创业公司 Luminoso 的联合创始人和首席战略官 Catherine Havasi,在 EmTech 的现场讲述了她对这个问题的思考和实践。

图 | 麻省理工媒体实验室研究员 Catherine Havasi (来源:EmTech China)

尽管人工智能技术已经在许多领域取得了傲人的成绩,但目前的人工智能技术也确实还不够智能——人工智能技术对数据和算力的需要是惊人的。举例说明:

在自然语言处理领域,BERT 是一个常用的双向编码器模型。然而, 训练一个BERT模型需要 64 个张量处理器(TPU)和 33 亿个单词。而性能仅仅比 BERT 高 2%-15% 的 XLNet 模型,更是需要惊人的 330 亿个单词。

在其它深度学习领域,为了战胜人类棋手,谷歌开发的 AlphaZero 和自己对弈了 6800 万局围棋。

而在自动驾驶领域,汽车必须要撞到墙上几百次,才能慢慢学会这样做是不对的。

然而,作为人类,我们学习的速度就比机器快多了。婴儿在学说话的时候,只需要听到父母的寥寥数语就可以表达自己的意思。是什么导致了这样的学习速度差异呢?

图| 尽管机器学习模仿的是人类的学习过程,但人类学习的速度比机器学习快多了(来源:Catherine Havasi)

早在深度学习风靡全球之前,麻省理工学院就开始研究如何利用少量的数据和资源进行自然语言处理。他们发现,对于任何一种知识来说,机器都是从零开始学习的。显而易见,这需要输入大量的数据和消耗大量的算力。

但人类却不是这样。

我们的学习不是完全零基础的。我们可以从已经学会的东西出发,举一反三,把已经学到的知识直接迁移、应用到其它的学习任务上,快速地学会新的东西。