深度学习的五个能力级别
from:http://geek.csdn.net/news/detail/126467
原文:Five Capability Levels of Deep Learning AI?
作者:Carlos E. Perez?翻譯:Daisy?責(zé)編:仲培藝
【導(dǎo)語】本文作者在讀完“理解AI四種類型”一文后,對深度學(xué)習(xí)進(jìn)行了更加細(xì)致的能力分類,以下為譯文:
Arend Hintze寫了一篇很好的短文,叫《理解AI的四種類型》,分別是反應(yīng)機(jī)器(Reactive Machine)、有限的記憶(Limited Memory)、思維理論(Theory of Mind)、自我意識(Self-Awareness)。
這種分類比把人工智能分成“狹義”和“通用”要好很多,它試圖把狹義AI分成3類。開發(fā)者可以通過更多的概念來區(qū)分各種不同AI實現(xiàn)。借此機(jī)會,我想針對深度學(xué)習(xí)領(lǐng)域提出更加細(xì)致的分類,這樣,開發(fā)者就可以清楚地知道自己目前所處的位置。
下面具體闡述一下深度學(xué)習(xí)能力的五個分類。
C
C級別作者的定義是Classification Only,可以理解為只能做分類。涉及到的系統(tǒng)包含全鏈接神經(jīng)網(wǎng)絡(luò)(FCN)、卷積網(wǎng)絡(luò)(CNN)以及它們的各種組合。這些系統(tǒng)采用高維向量作為輸入并實現(xiàn)單個結(jié)果,通常是輸入向量的一個分類。你可以把這些系統(tǒng)當(dāng)作是無狀態(tài)函數(shù),這意味著當(dāng)前的行為僅僅是輸入的一個函數(shù)。生成模型也是熱門研究領(lǐng)域中的一員,也歸于此類。簡而言之,這些系統(tǒng)本身都是相當(dāng)有能力的。
CM
CM是Classification with Memory的縮寫,理解成在分類的基礎(chǔ)之上進(jìn)行記憶。該級別包括與C級網(wǎng)絡(luò)合并的存儲器元件,例如LSTM,其中存儲器單元被嵌入在LSTM節(jié)點內(nèi)部。其它變體則是來自DeepMind的神經(jīng)圖靈機(jī)(NMT)和可微分神經(jīng)計算機(jī)(DNC),它們在計算時都處于維護(hù)狀態(tài)。
CK
CK即是Classification with Knowledge的縮寫,即可以形成自己的知識系統(tǒng)。該級別與CM級別有點類似,但并不是原始存儲器,C級網(wǎng)絡(luò)能夠訪問的信息是符號知識庫。實際上,我發(fā)現(xiàn)了三種符號集成,一種是轉(zhuǎn)移學(xué)習(xí)方法、一種是自上而下方法、最后一種是自下而上的方法。第一種主要是作為正則化矩陣的符號系統(tǒng);第二種方法處于層次結(jié)構(gòu)的頂部,具有在底部由神經(jīng)表示構(gòu)成的符號元素;最后一種則與第二種方法相反,其中C級網(wǎng)絡(luò)實際上被附加在了符號知識庫上。
CCIK
CCIK是Classification with Imperfect Knowledge縮寫,可以對不完整的知識庫進(jìn)行分類。該級別系統(tǒng)建立在CK之上,但是能對不完整信息進(jìn)行推理。該級別的典型例子是AlphaGo和撲克系統(tǒng),這些系統(tǒng)可以通過對自身模擬來訓(xùn)練自己。
CCIK
CCIK的全稱是Collaborative Classification with Imperfect Knowledge,即可以對不完整的知識庫進(jìn)行分類并且可以互相協(xié)作。這個級別與“心理理論”非常類似,實際上,我們有多種代理神經(jīng)網(wǎng)絡(luò)組合來解決問題,這些系統(tǒng)旨在實現(xiàn)多個目標(biāo)。實際上,我們在對抗網(wǎng)絡(luò)上做過這個原始版本,通過執(zhí)行泛化的競爭鑒別器和生成網(wǎng)絡(luò)將這個概念進(jìn)一步擴(kuò)展到游戲理論驅(qū)動的網(wǎng)絡(luò),能夠執(zhí)行戰(zhàn)略和戰(zhàn)術(shù)解決多個目標(biāo)。
每個級別都有其不同的功能產(chǎn)生,例如,C級系統(tǒng)只能夠預(yù)測anti-causal關(guān)系,CM擁有非常好的翻譯能力,CIK級別系統(tǒng)能夠進(jìn)行戰(zhàn)略游戲。
總結(jié)
以上是生活随笔為你收集整理的深度学习的五个能力级别的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Zapcc:一个更快的C++编译器
- 下一篇: 回归框架下的人脸对齐和三维重建