歐界：如今的機器學習太乏味？無監督學習和半監督學習方案已提出

歐界報導：

在以色列的特拉維夫中部區， 那裡是以色列科技產業的繁華中心， 其中一座小型辦公樓的二樓坐落著一家人工智慧初創公司——Cortica的全球總部。 他們致力於尋找改變人工智慧感知世界的方式， 使機器能和我們人類一樣看到世界。 為此， 他們研發出了一個公開透明、可驗證的機器學習演算法， 使機器能夠在沒有指導的情況下學習、分類和描繪事物。

Cortica的演算法與其它大多數機器學習演算法有著本質上區別， 後者的基本上都是黑盒子系統， 即便是程式師也不知道系統正在做什麼；而Cortica的程式卻是公開透明和可驗證的。 該程式依賴於人工智慧研究的一個分支——無監督式學習。 現如今大多數的人工智慧公司都依賴于由人類教授演算法， 以便學會如何表徵和表達自己正在學習的內容。 而Cortica所使用的無監督式學習演算法， 卻可以在無人指導的情況下自主學習、分類和表示事物。

Cortica通過模擬人類大腦皮層， 希望能讓機器可以如同人類一般感知世界。 Cortica技術的靈感來源於神經元的皮層神經網路所展示出的神經生理功能。 當人類的眼瞼在眼睛後面閃爍的時候， 眼睛就會接收到可見的光波， 並把其轉換成電信號， 再將資訊傳遞到大腦後部， 從而對所看到的所有物體的大小、形狀和顏色等進行分類和分析。 接著， 所有這些資料都被發送到人類的大腦皮層進行下一步的處理， 把所有的內容與曾經見過的其他物體物件進行比較， 再把它們劃分成不同的物件。 這種情況每秒鐘發生十次， 每一幀都由特定的神經元組成一個“小集合”， 這就是Cortica技術的基本概念。

這種視覺反應是即時觸發的， 並與Cortica龐大的資料庫進行了比較， 這些資料包含了由神經網路高度壓縮的信號及圖像資訊等。 Cortica認為， 他們的技術將會成為通用人工智慧至關重要的組成部分——視覺系統。

機器學習的由於是人工智慧的核心， 是使計算機具有智慧的根本途徑，

所以現如今的人工智慧領域內的各個研究團隊都在致力於研發半監督式學習甚至是無監督式學習， 以擺脫機器學習對大量標籤資料的依賴。 不久前， 康奈爾大學的Andrew Gordon Wilson和Permutation Venture的Yunus Saatchi最近發佈了一項對無監督和半監督式學習的研究， 名為貝葉斯生成對抗網路。 近年來， 由於對抗生成網路（GAN）和自動程式設計等技術不斷進步， 都在推動著半監督式學習領域的發展。 對於無監督式學習來說， 半監督式學習提供了一個實用和可量化的機制， 以評估無監督式學習中的最新進展。 研究中提到了一個貝葉斯公式， 在實踐中對抗生成網路來進行無監督學習和半監督式學習。 在這一框架之下， 使用了動態的梯度漢密爾頓蒙特卡洛來將生成網路和判別網路中的權重最大化。 在不需要如特徵匹配等任何標準干預的情況下， 其直接獲得結果的方法都獲得了良好的表現。 在如今的人工智慧時代， 對抗生成網路的被提出， 滿足了許多領域的研究和應用需求。

機器學習作為人工智慧的核心，如今與機器學習有關的學術活動空前活躍。而隨著機器學習的被研發和發展進步，人工智慧也必將取得長足發展。無需多久，通用人工智慧也將能來到我們的身邊。

歐界科技 | Jie Media

深度報導環球前沿科技

機器學習作為人工智慧的核心，如今與機器學習有關的學術活動空前活躍。而隨著機器學習的被研發和發展進步，人工智慧也必將取得長足發展。無需多久，通用人工智慧也將能來到我們的身邊。

歐界科技 | Jie Media

深度報導環球前沿科技