《中国人工智能学会通讯》——5.27 受人类概念学习过程的启发

5.27 受人类概念学习过程的启发

对于有足够标注的训练样例的问题,目前深度学习模型无疑是解决得最好的。但是人的学习过程与深度学习有一个很大的不同,人能够在只有极少量训练数据的情况下学习到数据的本质,然后泛化到未见过的数据上,即所谓“举一反三”。目前的深度学习还做不到这一点。 2015 年底,加拿大和美国的研究者在《科学》杂志上发表一篇论文[12] ,基于贝叶斯程序学习的框架详细建模了人类学习文字符号的过程,该方法可以只用几个甚至一个数据进行训练,得到非常好的识别效果。该方法还能生成以假乱真的手写体字符,见图 7。行为学实验表明,人基本分不清一个字符是人手写的还是该方法生成的,因此该文声称此系统通过了“视觉图灵测试”。

时间: 2024-10-03 06:50:40

《中国人工智能学会通讯》——5.27 受人类概念学习过程的启发的相关文章

《中国人工智能学会通讯》——11.22 人类视觉机制启发下的物体分割研究

11.22 人类视觉机制启发下的物体分割研究 视觉分割是指将视觉信号划分为互不重叠的区域,得到关于该信号的一个紧致表达,它是计算机视觉的核心问题之一.按照在视觉系统中的层次划分,视觉分割可以分为底层的超像素分割和中高层的物体分割,图 1 所示的是这两类分割的典型例子. 超像素分割属于底层视觉处理的范畴,其利用底层的颜色.纹理等特征将视觉信号分割成具有不同特性的区域,构成关于视觉信号的一种简化表达,即超像素[1] .物体分割则属于中高层视觉处理的范畴,其主要指从视觉信号中提取感兴趣的物体区域(例如

《中国人工智能学会通讯》——2.32 直觉概念理解(Intuitive Concept Understanding)

2.32 直觉概念理解(Intuitive Concept Understanding) 在过去的几年里,深度学习产生了一种更为通用的多模式概念方法:亚符号知识(Subsymbolicknowledge )和推理(reasoning)可以隐式地被系统理解,而不需要明确的编程甚至明确的表示.今年,对于我们人类可以涉及到的概念的亚符号理解的研究已经取得了相当好的进展.这一进展有助于研究古老符号的来源--这些符号或文字的意思如何形成.这种日益流行用来解决这一问题的方式使用了联合嵌入方法(joint e

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——Master虽优势较多 但仍有缺陷

近日,Master 在各大围棋网站横扫顶尖职业棋手,随后,谷歌 DeepMind 创始人德米什 • 哈萨比斯在 Twitter 上发布消息,证实了 Master 是 AlphaGo 的升级版.众所周知,围棋困难的地方在于它的估值函数非常不平滑,差一个子盘面就可能天翻地覆:同时状态空间大,也没有全局的结构.这两点加起来,迫使目前计算机只能用穷举法,并且因此进展缓慢.但人能下得好,能在几百个选择中知道哪几个位置值得考虑,说明它的估值函数是有规律的.这些规律远远不是几条简单公式所能概括,但所需的信息量

中国人工智能学会通讯——混合智能概念与新进展

脑科学以阐明脑的工作原理为目标,近年来已成为最重要的科学前沿领域之一.脑功能计算.脑智能模仿再度成为学术界和产业界热议话题[1-4].欧盟.美国.日本相继启动了大型脑研究计划,强有力推动了人们对脑结构.脑功能和脑智能的探索和认识:另一方面,人工智能研究风起云涌,最近一个标志性事件是谷歌的AlphaGo以4:1战胜围棋世界冠军李世石[5],实现了围棋人工智能领域史无前例的突破.2016年9月斯坦福大学发布了<2030年的人工智能与生活>报告[6],全面评估了当前人工智能的进展.挑战.机遇与展望.

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推