OpenAI分析機器學習的進化策略
OpenAI總監(jiān)Ilya Sutskever昨天在EmTech Digital大會上介紹了人工智能領域下一個可能的爆發(fā)點。OpenAI是一家獨立研究機構，EmTech Digital是MIT的科學雜志《科技回顧》所組織的大會。
Sutskever介紹了一種新的機器學習研究方法，它的效果比現在已經產生巨大突破的方法還要好。他的技術的擴展性可能也會更好。
在這篇 https://blog.openai.com/evolution-strategies/ 博客文章里，Sutskever和同事們采用“進化策略”讓機器理解一項復雜的任務。研究人員說，此方法與幾十年前的方法頗有淵源，它涉及使用模擬進化過程的優(yōu)化算法。這些技術的本質就是讓機器根據實驗和優(yōu)化，找到解決復雜問題的最佳方法，它可以被應用在機器人、自動駕駛和其它領域。
OpenAI的研究人員將他們的進化策略與強化學習方法做比較，后者在近些年取得了令人矚目的成果，包括計算機戰(zhàn)勝圍棋世界名將（參見《10項重大技術：強化學習》https://www.technologyreview.com/s/603501/10-breakthrough-technologies-2017-reinforcement-learning/）。強化學習的原理來自于動物從實踐經驗中學習的過程，讓機器能夠解決我們人類很難或者不可能用代碼描述的事件。
不同于強化學習，進化策略可以讓機器使用更少的計算資源來學習。強化學習通常會用到反向傳播的方法來減小神經網絡的誤差。進化策略則采用更簡單的優(yōu)化技術。
“這個方法非常有意思，可能會開啟一個全新篇章”Pedro Domingos說，他是華盛頓大學的教授和《The master algorithm》一書的作者。
Domingos質疑這項技術是否能超越強化學習，但他又補充到，“機器學習領域存在著大量簡單方法戰(zhàn)勝復雜算法的先例。我們需要耐心等待百花齊放的場景”。
人工智能領域需要有影響力的技術突破來維持近些年的快速發(fā)展勢頭。
人工智能近些年已經顛覆了整個科技界，目前正在醫(yī)療健康、教育、交通和制造業(yè)等行業(yè)尋找實踐項目。舉個例子，深度學習利用大規(guī)模神經網絡模型挖掘大數據中的模式，推進了語音識別和圖像識別技術在醫(yī)學研究和醫(yī)療健康領域的應用。
然而，與此同時我們也發(fā)現這些技術并不能解決所有的人工智能應用項目。探索新機遇和持續(xù)性創(chuàng)新是EmTech Digital大會的突出主題。
即使新技術層出不窮，比如強化學習和OpenAI的進化策略方法，終極目標，即某種意義上的通用人工智能，仍然是一個遙遠的愿景。
但是，隨著強大的機器學習技術不斷地向新興行業(yè)和日常生活領域擴散，它也可能會給我們帶來意想不到的效果。
出席EmTech Digital的演講者們也討論了被嵌入在機器學習算法中的偏見指導，它將影響機器做出的重大決策，比如該罪犯的合適量刑年限，客戶是否符合貸款條件等等。
隨著機器學習應用在生活的各個領域，這一問題將變得更加重要，并將引發(fā)嚴重的倫理討論。這又是EmTech Digital大會的另一個主題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%