字體：小 中 大 |
|
|
|
| 2020/06/05 17:55:29瀏覽233｜回應0｜推薦5 | |
| 通用 AI 是ㄧ個遠程目標，有人悲觀，有人樂觀，值得持續關注．在 Etienne Bennequin 博客 2020/04/06 3 Reasons Why We are Far From Achieving Artificail General Intelligence 文章有詳述他挑選的三道難題，應該也是大家常會想到的問題：
*分布外泛化 (Out of Distribution Generalization) 人類大腦擁有“學會如何學習”的能力，不像 AI 只能靠數據學習．以 MIT ObjectNet 為例，與 ImageNet 相比較，最先進演算法的正確率會下降 40 - 45%，AI 的想像力還很薄弱．目前的解決方案是元學習(Meta Learning)． *語意合成性 (Compositionality) 語意合成性與語言哲學有密切關係，ㄧ個複雜表達式的意義是由其各組成部分的意義以及用以結合它們的規則來決定．這樣可以解決零概率的事件． *有意識的推理 (Conscious Reasoning) Yoshua Bengio 在 2019 年 NeurIPA 大會演講中舉ㄧ個有意識推理的例子，當你開車上下班，每天都是同樣的通勤，就會變成自動駕駛，你走的是ㄧ條完全熟悉的路，根本不會去想它．然而，當你開車去朋友家，在很遠的地方，在ㄧ個你從未去過的城市，你的開車方式就完全不同了．這是最先進的機器學習算法所缺乏的另ㄧ點．注意力機制 (Attention Mechanisms) 是目前的研究方向， 將成千上萬的低級感知與少量有意識操作的高級意識概念聯繫起來． |
|
| ( 創作｜散文 ) |
