谷歌DeepMind新进展，让深度学习学会“过目不忘”

只需通过一个例子，该算法便可认出图像中的物体或其他东西。

正常情况下，计算机算法通常需要成千上万个例子才能学会一件事情，但谷歌DeepMind的研究人员却找到了一种新的方法，直接绕过这一流程。这种新方法被他们称为“单次学习”，即算法只需通过一个例子便可认出图像中的物体或其他东西。

事实上，不少算法的确能够准确地识别物体，但该结果以庞大的数据训练为前提，因而不是一般的耗费时间和金钱。此外，如此多的数据搜集也显得并不实际——例如，不可能为了让一个机器人在一套不熟悉的房子里行走而为其提供长时间的学习机会。

为解决这个问题，谷歌DeepMind研究员奥里奥尔·温亚尔斯（Oriol Vinyals）在深度学习系统中增加了一个记忆组件。该团队利用一个名为ImageNet的标记图片数据库对该系统的能力进行了验证。

目前，该算法仍需要分析数百种图片，但未来它将学会对图片中独特元素的分析，用一张照片识别新的物体。对此，温亚尔斯称，如果能够快速识别出一个新单词的意思，这项技术的用途便会得到明确体现。这对谷歌非常有用，因此该公司可以借此快速学习某个新的搜索项的含义。

DeepMind并不是第一个研究单次学习方法的团队，但之前人们所开发得单次学习系统通常不兼容深度学习系统。“我认为这是一种很有趣的方法，它提供了一种新颖的方式对大规模的数据库进行单次学习。”韩国先进科技学院大脑和机器智能实验室主任Sang Wan Lee说，“这为人工智能社区做出了技术贡献，计算机视觉研究人员可能非常重视此事。”

当然，也有人对这项技术的用途提出质疑。哈佛大学脑科学系副教授山姆·格什曼（Sam Gershman）表示，人类通常是通过理解一张图像的组成元素来学习的，这需要一些实际的知识或尝试。例如，“赛格威可能看上去与自行车或摩托车大不相同，但它却可以使用相同的零件。”

不过，格什曼和Sang Wan Lee都表示，机器要在学习能力上比拼人类仍然要经过一段时间的发展。“我们远远没有揭开人类单次学习的秘密。”Sang Wan Lee说。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！