原標題：新算法讓機器學(xué)習視覺世界

　　美國科學(xué)家日前報告說，他們從人類大腦的學(xué)習方式中獲得靈感，研發(fā)出一種新的“深度學(xué)習”算法，可以讓機器像人類嬰兒一樣自主學(xué)習視覺世界。

　　在深度學(xué)習領(lǐng)域，科學(xué)家喜歡用“這是1，這是2”的方法來訓(xùn)練機器。這種被稱為“監(jiān)督學(xué)習”的技術(shù)，在訓(xùn)練時需要為機器提供成千上萬標記好的樣本，此前被認為是最有效的方法。

　　不過，人類并不是這樣學(xué)習。在大多數(shù)情況下，人類大腦的學(xué)習方式都是“無監(jiān)督學(xué)習”。在日前于西班牙巴塞羅那舉行的神經(jīng)信息處理系統(tǒng)大會上，研究人員發(fā)表報告說，美國賴斯大學(xué)和貝勒醫(yī)學(xué)院的神經(jīng)科學(xué)和人工智能專家研發(fā)出一種“半監(jiān)督學(xué)習”算法，這種機器學(xué)習方式與人類更為接近。

　　據(jù)介紹，研究人員首先僅向新研發(fā)出的“深度渲染混合模型”提供從0到9這10個數(shù)字的10個手寫標準樣本，然后再讓模型去“自學(xué)”數(shù)千個樣本數(shù)據(jù)，通過這種“半監(jiān)督學(xué)習”算法讓模型學(xué)習識別手寫體數(shù)字。最終測試結(jié)果顯示，在辨別手寫數(shù)字方面，這種模型比此前幾乎所有算法，即一開始就通過數(shù)千個正確樣本訓(xùn)練機器“學(xué)習”每個數(shù)字的方法更為準確。

　　研究人員表示，這種“半監(jiān)督學(xué)習”算法屬于一種“卷積神經(jīng)網(wǎng)絡(luò)”。從本質(zhì)上說，卷積神經(jīng)網(wǎng)絡(luò)是一個“非常簡單的視覺皮層”。舉例來說，如果給這個網(wǎng)絡(luò)輸入一個圖像，那么它的每一層就會處理這個圖像的一部分特征，而隨著層級深入，對于圖像的理解也就不斷加深。到最后一層，這個網(wǎng)絡(luò)就會獲得關(guān)于這個圖像相當深入且抽象的理解。事實上，現(xiàn)今幾乎所有自動駕駛系統(tǒng)都配備了這種網(wǎng)絡(luò)，因為卷積神經(jīng)網(wǎng)絡(luò)是迄今最好的視覺處理方法。

　　研究人員認為，他們研發(fā)出的這種人工神經(jīng)網(wǎng)絡(luò)還可以幫助神經(jīng)科學(xué)家更好地了解人類大腦處理信息的方式，因為人類大腦的“算法”遠遠優(yōu)于任何人類設(shè)計的神經(jīng)網(wǎng)絡(luò)。

　　（據(jù)新華網(wǎng)）