現(xiàn)在的AI已經(jīng)很強(qiáng)了。包括ChatGPT, Midjourney, Yolov8， AutoGPT等等的AI模型都讓我們感受到了AI的強(qiáng)大。

但是，在一個(gè)AI模型發(fā)布之前，需要經(jīng)過大數(shù)據(jù)的漫長訓(xùn)練，有的時(shí)更是長達(dá)上百個(gè)小時(shí)（AI表示：我太難了）。

所以，當(dāng)一個(gè)制造AI模型的團(tuán)隊(duì)想讓AI模型更精準(zhǔn)，更完美，他們就需要耗費(fèi)大量時(shí)間和經(jīng)費(fèi)來重新從大數(shù)據(jù)庫里訓(xùn)練模型。

這時(shí)候，有一個(gè)概念就出現(xiàn)了：實(shí)時(shí)學(xué)習(xí)（Real-time Learning)。

實(shí)時(shí)學(xué)習(xí)（Real-time Learning)的理想狀態(tài)是指AI在運(yùn)行的時(shí)候同步獲取自己對(duì)一個(gè)被輸入的“問題”的“答案”，把答案和問題加入進(jìn)訓(xùn)練數(shù)據(jù)庫，訓(xùn)練，然后在運(yùn)行，并一直重復(fù)以上步驟。

這一訓(xùn)練方式和大腦學(xué)習(xí)的方式是一樣的。

大腦會(huì)收集你接受到的 "問題" 和你提出的 "答案"?并訓(xùn)練自己，用的時(shí)候，大腦也會(huì)用別人的 "答案" 自我訓(xùn)練

所謂“問題“指的是AI需要做出回應(yīng)的東西。

"答案" 就是對(duì)于 "問題" 的回應(yīng)。

比如說，在一個(gè)人臉檢測的AI模型中，"問題" 就是再次圖片中的人臉的位置，"答案" 就是人臉的位置。

在一個(gè)NLP模型中，"問題" 是用戶提的問題（"請(qǐng)幫我寫一個(gè)作文")，而 "答案" 是用戶提的問題的答案。

BUT....

實(shí)時(shí)學(xué)習(xí)（Real-time Learning)在現(xiàn)實(shí)中并不是理想狀態(tài)。在訓(xùn)練的時(shí)候，機(jī)器不能像大腦一樣快速的訓(xùn)練，而且，當(dāng)模型文件被重寫的時(shí)候，檢測模塊會(huì)報(bào)錯(cuò)。

因此，一般的實(shí)時(shí)學(xué)習(xí)（Real-time Learning)是當(dāng) "問題" 和相應(yīng)的 "答案" 積累到某個(gè)數(shù)目的時(shí)候才會(huì)重新訓(xùn)練模型。在訓(xùn)練模型之前，得創(chuàng)建當(dāng)前模型的副本以保證 "回答" 模塊穩(wěn)定工作。然后在 "回答" 模塊工作的同時(shí)訓(xùn)練模型的副本。訓(xùn)練完畢后讓 "回答" 模塊把要運(yùn)行的模型改成副本模型，然后刪除原本的模型。一直循環(huán)以上步驟就是實(shí)時(shí)學(xué)習(xí)（Real-time Learning)。

注：我現(xiàn)在正在嘗試用YOLOv8做一個(gè)可以實(shí)時(shí)學(xué)習(xí)（Real-time Learning)的人臉檢測軟件。請(qǐng)敬請(qǐng)期待（代碼會(huì)開源，而且我有可能會(huì)出一個(gè)教程）

注：代碼已開源，可在GitHub - ivanhe123/Real-Time-Training-Yolov8?或何榮基 / Real Time Training Yolov8 · GitCode?中找到。教程已做完：實(shí)時(shí)訓(xùn)練Real-Time Training 教程（2023年全網(wǎng)第一）_何榮基的博客-CSDN博客。

總結(jié)

以上是生活随笔為你收集整理的一种很厉害的AI学习方式的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。