類人智能學(xué)習(xí)是AI界始終追逐的終極目標(biāo)。自2006年以來(lái)，深度學(xué)習(xí)的出現(xiàn)極大的推動(dòng)了人工智能的研究進(jìn)展，人類似乎找到了解決“抽象概念”的方法。人工智能借助深度學(xué)習(xí)的力量，已可以在多個(gè)應(yīng)用場(chǎng)景落地，特別是互聯(lián)網(wǎng)領(lǐng)域。但就總體發(fā)展而言，目前的人工智能距離類人類智能還有很長(zhǎng)的路要走。類人智能學(xué)習(xí)是AI界始終追逐的終極目標(biāo)。
類人智能的小樣本學(xué)習(xí)。如果用形象的比喻來(lái)說(shuō)，深度學(xué)習(xí)（DL）是解決計(jì)算機(jī)“運(yùn)籌帷幄”的問(wèn)題（大量數(shù)據(jù)形成規(guī)律和抽象概念），而小樣本學(xué)習(xí)是解決計(jì)算機(jī)“照貓畫虎”的問(wèn)題（少量數(shù)據(jù)形成決策）。深度學(xué)習(xí)更擅長(zhǎng)分析規(guī)律和預(yù)測(cè)趨勢(shì)，而小樣本學(xué)習(xí)則具備舉一反三的能力。小樣本學(xué)習(xí)相當(dāng)符合人類的思維推理模式，是實(shí)現(xiàn)類人人工智能的必由之路。
小樣本研究領(lǐng)域的發(fā)展現(xiàn)狀。2011年至2015年，由于小樣本理論不完整，相關(guān)論文較少。自2015年以來(lái)，隨著深度學(xué)習(xí)的興起，小樣本學(xué)習(xí)進(jìn)入深度學(xué)習(xí)階段，相關(guān)研究論文的數(shù)量呈線性大幅增長(zhǎng)。國(guó)家間，在小樣本學(xué)習(xí)研究領(lǐng)域的競(jìng)爭(zhēng)也十分激烈，美國(guó)和中國(guó)是最大的兩個(gè)研究產(chǎn)出國(guó)，而美國(guó)的私營(yíng)部門在小樣本學(xué)習(xí)的投入領(lǐng)先于其他國(guó)家。
小樣本學(xué)習(xí)可以解決AI商業(yè)落地難題。2015年是小樣本學(xué)習(xí)研究進(jìn)展的分水嶺，開始真正進(jìn)入深度學(xué)習(xí)階段，進(jìn)而帶動(dòng)AI產(chǎn)業(yè)的實(shí)質(zhì)性應(yīng)用落地。小樣本學(xué)習(xí)算法的性價(jià)比最優(yōu)，不需要大量數(shù)據(jù)的標(biāo)注準(zhǔn)備，極大降低了數(shù)據(jù)標(biāo)注、算力以及AI交付的工程化成本，對(duì)AI應(yīng)用普惠化起到了至關(guān)重要的作用。
工業(yè)視覺(jué)檢測(cè)是小樣本學(xué)習(xí)的典型應(yīng)用場(chǎng)景。小樣本學(xué)習(xí)相關(guān)的任務(wù)中，計(jì)算機(jī)視覺(jué)是最活躍的研究領(lǐng)域，而AI視覺(jué)檢測(cè)是小樣本學(xué)習(xí)在工業(yè)領(lǐng)域的突出應(yīng)用。
專知便捷查看
聯(lián)系客服
