百贏棋牌，牌客吧棋牌，愛玩棋牌，優樂棋牌，開掛贏錢技巧

在看到某個物體一到兩次之後，我們大多數人都能認出來。但支持計算機視覺和語音識別功能的演算法卻需要接觸數千個例子，才能對新的圖像或詞語變得熟悉。

現在，谷歌DeepMind的研究人員提出了一個解決方法。他們對一個深度學習演算法進行了巧妙的改動，使之在接觸單個例子之後即能夠識別圖片中的物體或其他事物——他們將之稱為「單樣本學習」。該團隊在一個大型標籤圖像資料庫中展示了這一功能，還在手寫和語言識別中進行了演示。

谷歌DeepMind的研究人員Oriol Vinyals在一個深度學習系統上添加了記憶體組件。該團隊在名為ImageNet的標籤照片資料庫中展示了系統的功能。軟體仍然需要分析數百個類型的圖片，但在此之後，軟體就能在看到一張圖片之後識別新的對象——例如一隻狗。它可以高效學習識別圖片中的特徵之處。這種演算法僅需看到一個例子，其識別準確率即可與傳統的、需要大量數據的系統媲美。

Vinyals表示，如果這種演算法可以迅速認識新詞語的含義，可能就會大有用處。他認為，這可能對谷歌具有重要意義，因為它可以讓系統迅速了解新的搜索詞的含義。其他公司也開發了單樣本學習系統，但一般與深度學習系統不兼容。2015年的一個學術項目就使用了概率規劃技術支持高效的單樣本學習。但深度學習系統正在變得越來越強大，在添加記憶體機制後更是如此。谷歌DeepMind的另一個小組最近使用一種靈活的記憶體開發了一個網路，使之可以執行簡單的推理任務——例如，在分析若干簡單的網路圖之後，學會如何導航地鐵系統。

韓國大田市韓國高等科技學院的大腦和機器智能實驗室負責人Sang Wan Lee表示：「我認為這是一種非常有趣的辦法，為在大規模數據集上進行單樣本學習開闢了新穎途徑。這是對人工智慧界的重大技術貢獻，計算機視覺研究人員可能會非常重視。」

其他人則對這種方法的實用性表示了懷疑，因為它仍然與人類學習有很大的差距。哈佛大腦科學系副教授Sam Gershman表示，人類一般是通過了解構成圖像的元素來學習，而這就需要一些現實知識或者說常識，例如，「兩輪平衡車可能看起來和自行車或摩托車有很大區別，但卻可能是由相同的部件組成的。」

Gershman和Wan Lee都表示，在機器能達到人類的學習能力之前，還有很長的時間。Wan Lee表示：「我們還遠遠不足以揭示人類進行單樣本學習的奧秘，但這種方案顯然值得我們進一步研究。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！