(資料圖片)

如今，人工智能（AI）已經(jīng)滲透在我們的日常生活之中，無論是自動駕駛車，還是人臉識別，還有非常方便快捷的語音轉(zhuǎn)文字功能，都是AI的應(yīng)用蹤跡。但有時也會發(fā)現(xiàn)AI并非想象中的那么智能，經(jīng)常是學(xué)了新東西就把舊知識拋之腦后，那么如何解決這種現(xiàn)象呢？科學(xué)家們提出了新對策。

近日，加州大學(xué)歐文分校生物科學(xué)學(xué)院的研究人員的發(fā)現(xiàn)可能有助于解決AI認(rèn)知障礙。目前他們的研究已經(jīng)發(fā)表在《美國國家科學(xué)院院刊》上。

科學(xué)家們發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)（ANNs）是一種類似于人類大腦神經(jīng)元的算法，它可以吸收大量信息并對其分類。但與我們的大腦不同之處在于，當(dāng)新鮮知識引入太快時，人工神經(jīng)網(wǎng)絡(luò)往往會忘記過去的知識，這種現(xiàn)象被稱為災(zāi)難性遺忘（catastrophic forgetting）。

傳統(tǒng)上，深度機(jī)器學(xué)習(xí)中使用的解決方案是在整個過去的數(shù)據(jù)集上重新訓(xùn)練網(wǎng)絡(luò)，無論它是否與新信息密切相關(guān)，這是一個非常耗時的過程。科學(xué)家們決定更深入地研究這個問題，并取得了一個顯著的發(fā)現(xiàn)。

科學(xué)家們發(fā)現(xiàn)，如果在ANNs中穿插一個小的舊信息子集的話，這種“災(zāi)難性遺忘”的現(xiàn)象便不會出現(xiàn)。原理也很簡單，如果ANNs中存在一個與信息相關(guān)的認(rèn)知框架，那么就能夠快速吸收新鮮信息，還能盤活舊知識。

研究人員稱，了解學(xué)ANNs習(xí)背后的機(jī)制是取得進(jìn)展的關(guān)鍵。我們可以為那些因衰老而有記憶問題的人或有腦損傷的人制定訓(xùn)練策略。它也可能導(dǎo)致操縱大腦回路的能力，以便人們能夠克服這些缺陷。

這些發(fā)現(xiàn)也有助于提高醫(yī)療診斷設(shè)備、自動駕駛汽車和許多其他機(jī)器中算法的精確性和高效性。

前瞻經(jīng)濟(jì)學(xué)人APP資訊組

論文原文：

https://www.pnas.org/doi/full/10.1073/pnas.2115229119

標(biāo)簽： 深度學(xué)習(xí)