谷歌DeepMind新進展，讓深度學習學會“過目不忘”

只需通過一個例子，該算法便可認出圖像中的物體或其他東西。

正常情況下，計算機算法通常需要成千上萬個例子才能學會一件事情，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“單次學習”，即算法只需通過一個例子便可認出圖像中的物體或其他東西。

事實上，不少算法的確能夠準確地識別物體，但該結果以龐大的數據訓練為前提，因而不是一般的耗費時間和金錢。此外，如此多的數據搜集也顯得并不實際——例如，不可能為了讓一個機器人在一套不熟悉的房子里行走而為其提供長時間的學習機會。

為解決這個問題，谷歌DeepMind研究員奧里奧爾·溫亞爾斯（Oriol Vinyals）在深度學習系統中增加了一個記憶組件。該團隊利用一個名為ImageNet的標記圖片數據庫對該系統的能力進行了驗證。

目前，該算法仍需要分析數百種圖片，但未來它將學會對圖片中獨特元素的分析，用一張照片識別新的物體。對此，溫亞爾斯稱，如果能夠快速識別出一個新單詞的意思，這項技術的用途便會得到明確體現。這對谷歌非常有用，因此該公司可以借此快速學習某個新的搜索項的含義。

DeepMind并不是第一個研究單次學習方法的團隊，但之前人們所開發得單次學習系統通常不兼容深度學習系統。“我認為這是一種很有趣的方法，它提供了一種新穎的方式對大規模的數據庫進行單次學習。”韓國先進科技學院大腦和機器智能實驗室主任Sang Wan Lee說，“這為人工智能社區做出了技術貢獻，計算機視覺研究人員可能非常重視此事。”

當然，也有人對這項技術的用途提出質疑。哈佛大學腦科學系副教授山姆·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習的，這需要一些實際的知識或嘗試。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，機器要在學習能力上比拼人類仍然要經過一段時間的發展。“我們遠遠沒有揭開人類單次學習的秘密。”Sang Wan Lee說。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！