一味追求大數(shù)據(jù)是機(jī)器學(xué)習(xí)的誤區(qū)？

大數(shù)據(jù) 機(jī)器學(xué)習(xí) 算法人工智能

機(jī)器之心 | 2016-05-26 10:43

【數(shù)據(jù)猿導(dǎo)讀】像谷歌這樣的大型計算公司通過將海量的標(biāo)簽訓(xùn)練數(shù)據(jù)集結(jié)到一起，已經(jīng)有能力打造強(qiáng)大的語音和圖像識別軟件。但是，如果軟件的性能要更加接近人類快速學(xué)習(xí)新技能，以及適應(yīng)不斷變化的環(huán)境的能力，那么需要更少數(shù)據(jù)量的算法就必不可少

一味追求大數(shù)據(jù)是機(jī)器學(xué)習(xí)的誤區(qū)？

引言：人工智能創(chuàng)業(yè)公司Geometric Intelligence 說，跟時下人工智能領(lǐng)域一系列投資背后的算法相比，他們的學(xué)習(xí)算法能更快地掌握新技能。

去年，微軟和谷歌的圖像識別算法都已表現(xiàn)出可通過學(xué)習(xí)打敗人類的能力。他們各自搭建了自己的軟件，進(jìn)行了標(biāo)準(zhǔn)測試，讓軟件識別1000張各式各樣的物體的圖片，結(jié)果超過了平均的人類得分。

但是，為了讓軟件足夠強(qiáng)大能夠?qū)谷祟?，這兩個公司的軟件都對120萬張帶標(biāo)簽的圖片進(jìn)行了仔細(xì)觀察。而對一個孩子來說，只用一張樣例圖片，就能夠識別一種新的物體。

周一，創(chuàng)業(yè)公司 Geometric Intelligence 說，他們研發(fā)了一個可以更快學(xué)習(xí)的機(jī)器學(xué)習(xí)軟件。該公司的 CEO Gary Marcus 在《MIT 科技評論》主辦的 EmTechDigital 大會上曾說，如果要學(xué)習(xí)一項新的視覺任務(wù)，他們的 XProp 軟件所需要的樣品圖片數(shù)量與現(xiàn)在機(jī)器學(xué)習(xí)軟件的主流形式——即深度學(xué)習(xí)相比要少得多。

Gary Marcus

Marcus 沒有披露 XProp 的工作細(xì)節(jié)，但他展示了一張將 XProp 和某個深度學(xué)習(xí)程序在一項測試中的表現(xiàn)做對比的表格，該測試的內(nèi)容是軟件學(xué)習(xí)怎樣識別手寫體數(shù)字。

表格顯示，訓(xùn)練數(shù)據(jù)越多，兩個系統(tǒng)性能就會越精確。但是在相同數(shù)量訓(xùn)練樣例的情況下， XProp 的性能表現(xiàn)得更好。

比如，XProp 學(xué)習(xí)過每個數(shù)字的大約150張手寫圖片后，識別新的數(shù)字圖片，錯誤率只有約 2%。而對深度學(xué)習(xí)算法來說，為達(dá)到同樣性能，則每個數(shù)字需要學(xué)習(xí)約 700 張樣圖。

這并不代表 XProp 一定有實(shí)際用處。識別手寫體數(shù)字差不多屬于已解決的問題了。可用來訓(xùn)練的數(shù)據(jù)很多，而用深度學(xué)習(xí)軟件得出的最好結(jié)果錯誤率已經(jīng)達(dá)到了 0.2%。Marcus 展示的數(shù)字顯示，隨著訓(xùn)練數(shù)據(jù)的增多，XProp 相比于深度學(xué)習(xí)軟件的優(yōu)勢就會下降。

但是 Marcus 說，在谷歌街景項目收集的門牌號碼照片的數(shù)據(jù)庫中，XProp 的識別結(jié)果與上面那個實(shí)驗(yàn)相似，其他的圖像識別測試中也是如此，這表明，該公司的技術(shù)可能具有廣泛的可用性。

大多數(shù)機(jī)器學(xué)習(xí)研究人員都認(rèn)為會出現(xiàn)一些能夠通過學(xué)習(xí)更少的數(shù)據(jù)運(yùn)作起來的新技術(shù)。

Marcus 說：深度學(xué)習(xí)非常需要數(shù)據(jù)——而我們的學(xué)習(xí)速度則更快，我們的軟件有時可以將所需數(shù)據(jù)量減少一半，有時甚至更多。

Marcus 是紐約大學(xué)的心理學(xué)教授，曾用幾十年時間研究兒童的學(xué)習(xí)方式。他目前最困惑的一個問題是，語音及圖像識別等由深度學(xué)習(xí)支撐的領(lǐng)域進(jìn)展是否一定會幫助理解語言等更有挑戰(zhàn)性的領(lǐng)域的進(jìn)步呢?

谷歌這樣的大型計算公司通過將海量的標(biāo)簽訓(xùn)練數(shù)據(jù)集結(jié)到一起，已經(jīng)有能力打造強(qiáng)大的語音和圖像識別軟件。Marcus 不否認(rèn)這類科技將會帶來成功的產(chǎn)品。但是，他相信，如果軟件的性能要更加接近人類快速學(xué)習(xí)新技能，以及適應(yīng)不斷變化的環(huán)境的能力，那么需要更少數(shù)據(jù)量的算法就必不可少。

我們處在大數(shù)據(jù)的時代，而且很多人覺得只要投入更多數(shù)據(jù)就能解決問題，Marcus 對 EmTech 的觀眾說，但是面對有些問題的時候，并沒有那么多數(shù)據(jù)可以提供。

他說，語言就是其中之一。人們的言語有無限種可能，將所有含義的語句歸納出來訓(xùn)練軟件是不可能實(shí)現(xiàn)的。Marcus 還提到了無人駕駛汽車的例子，機(jī)器學(xué)習(xí)算法需要大量數(shù)據(jù)，在無人駕駛汽車中，這可能無法解決所有問題。

他說，如果一輛汽車必須一遍遍地體驗(yàn)環(huán)境才能掌握技能，那么用每種可能的交通和天氣情況訓(xùn)練車輛，可能耗時太長。

來源：機(jī)器之心

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。