新華社洛杉磯１２月１８日電（記者郭爽）美國科學(xué)家日前報告說，他們從人類大腦的學(xué)習(xí)方式中獲得靈感，研發(fā)出一種新的“深度學(xué)習(xí)”算法，可以讓機器像人類嬰兒一樣自主學(xué)習(xí)視覺世界。

在深度學(xué)習(xí)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(xí)”的技術(shù)，在訓(xùn)練時需要為機器提供成千上萬標(biāo)記好的樣本，此前被認(rèn)為是最有效的方法。

不過，人類并不是這樣學(xué)習(xí)。在大多數(shù)情況下，人類大腦的學(xué)習(xí)方式都是“無監(jiān)督學(xué)習(xí)”。在日前于西班牙巴塞羅那舉行的神經(jīng)信息處理系統(tǒng)（ＮＩＰＳ）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(xí)”算法，這種機器學(xué)習(xí)方式與人類更為接近。

研究負(fù)責(zé)人安基特·帕特爾解釋說，嬰兒出生第一年，父母會告訴孩子這是水瓶、椅子、媽媽……，但事實上，嬰兒并不能理解這些詞語的意思。多數(shù)情況下，他們是通過與世界互動進行“無監(jiān)督學(xué)習(xí)”的。

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(biāo)準(zhǔn)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(xí)”算法讓模型學(xué)習(xí)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(xí)”每個數(shù)字的方法更為準(zhǔn)確。

研究人員表示，這種“半監(jiān)督學(xué)習(xí)”算法屬于一種“卷積神經(jīng)網(wǎng)絡(luò)”。在這種從生物神經(jīng)元中得到啟發(fā)而設(shè)計出的多層人工神經(jīng)元網(wǎng)絡(luò)中，人工神經(jīng)元（或稱數(shù)據(jù)處理單元）分層排列。第一層掃描圖像，并執(zhí)行相對簡單的任務(wù)，如搜索邊緣和顏色的變化等。第二層負(fù)責(zé)檢查從第一層輸出的內(nèi)容，并搜索更復(fù)雜的模式。從數(shù)學(xué)角度上說，這種在模式內(nèi)尋找模式的嵌套方法被稱為一種非線性過程。

研究人員指出，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(dāng)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(rèn)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(yuǎn)遠(yuǎn)優(yōu)于任何人類設(shè)計的神經(jīng)網(wǎng)絡(luò)。