欢迎来到永胜在线
国内最专业的科技资讯提供商

其背后的理论是,它们的功能,更具体地说,是用与人类大脑相似的方式学习的。正如我们通过反复试验发现世界一样,现代人工智能也是如此。然而,在实践中,情况有些不同。在儿童学习的某些方面,机器无法复制
2,而在许多领域,正是这些方面使人类成为更优秀的学习者。

纽约大学的研究人员正在努力改变这一状况。研究人员还探索了存在于儿童身上的“互斥性偏见”(mutual exclusive bias)如何帮助人工智能更好地完成理解语言等学习任务。

“当孩子们努力学习一个新单词时,他们依靠归纳偏见来缩小可能的意思空间,”纽约大学Human &的研究生甘地说机器学习实验室,告诉Digital Trends。“互斥性(ME)是孩子们的一种信念,即如果一个物体有一个名字,它就不能有另一个名字。互斥性有助于我们在歧义语境中理解一个新词的意义。例如,当孩子们看到一个熟悉的和不熟悉的物体时,如果他们被告知‘出示dax’,他们往往会选择不熟悉的那个。”

mutual exclusivity bias ai show me the dax

研究人员想在他们的工作中探索一些想法。一个是研究使用公共学习范式训练的深度学习算法是否具有互斥性。他们还想看看互斥推理是否有助于在通常使用深度学习来处理的任务中学习算法。

为了进行这些研究,研究人员首先训练了400个神经网络来将成对的单词与其含义联系起来。然后对神经网络进行测试,测试内容是他们从未见过的10个单词。他们预测,新单词很可能对应已知的含义,而不是未知的含义。这表明人工智能并没有排他性偏见。接下来,研究人员分析了帮助人工智能翻译语言的数据集。这有助于表明,排他性偏见将有利于机器。

甘地继续说道:“我们的研究结果表明,这些特征与普通机器学习任务的结构不匹配。”“ME可以作为一般翻译和分类任务的泛化线索,尤其是在训练的早期阶段。我们相信,表现出这种偏见将有助于学习算法以更快、更适应环境的方式学习。”

正如甘地(Gandhi)和莱克(Lake)所描述的那样:“强烈的归纳偏见让孩子们能够以快速、适应性强的方式学习
5。设计基于互斥推理的神经网络是一个令人信服的案例,而互斥推理仍是一个公开的挑战。”

编辑的建议

历史上的今天
七月
12
    哇哦~~~,历史上的今天没发表过文章哦
赞(0)
未经允许不得转载:永胜在线 » 在孩子身上发现的学习偏见可能有助于改善人工智能技术
分享到: 更多 (0)
标签:

相关推荐

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
  • Q Q(选填)

永胜在线科技网 更权威 更方便

永胜在线联系我们