對于一個未經訓練的人工智能來說，世界不過是一個模糊的數據流。大多數人類都可以無障礙地理解周圍的畫面和聲音，但只有這些畫面和聲音被明確地標記出來，算法才能掌握這一技能。
如今，人工智能公司DeepMind開發(fā)了一種新的AI技術，通過讓其觀察短小的視頻片段，AI就能學會一系列視覺和聽覺的概念并將其識別區(qū)分。例如，這種人工智能可以理解草坪修剪或撓癢癢的概念，但它還沒有掌握如何用語言來描述它感受到的畫面或聲音。
對此，加州大學伯克利分校教授皮利特·阿格拉沃爾說：“我們想要制造一種機器，它能以自主的方式不斷從自身所處的環(huán)境中學習進步。”阿格拉沃爾說，這個項目讓我們更接近創(chuàng)造真正人工智能的目標，通過自學來觀察和傾聽周圍的世界。
大多數計算機視覺算法需要輸入大量的標簽圖像，這樣它就能區(qū)分不同的物體。通過展示成千上萬張貓咪的照片，它很快就能學會識別貓，即使是之前從未見過的圖片。
但DeepMind的項目負責人Relja Arandjelovic表示，這種被稱為“監(jiān)督學習”的教學算法是不可擴展的。它的算法不再依賴于人標記的數據集，而是通過將所看到的與所聽到的內容相匹配，從而學會識別圖像和聲音。
像人一樣學習
“人類尤其擅長這種學習，”瑞士伯爾尼大學的教授保羅·法瓦羅說道。他說：“我們身邊可沒有人到處跟著我們，告訴我們一切都是什么。”
據悉，他是通過兩個網絡來創(chuàng)建算法的：一個專門識別圖像的網絡，以及一個識別音頻的網絡。他展示了從短片中截取的圖像識別網絡，而音頻識別網絡則從每段視頻中截取的1秒的音頻片段中進行了訓練。
第三個網絡將靜態(tài)圖像與音頻片段進行對比，以了解視頻中哪些聲音與哪些視頻中的圖像相符合?？傊?，這個系統(tǒng)是經過40萬個視頻中截取的6000萬個靜態(tài)音頻訓練的。
該算法學會了在沒有單一概念的特定標簽的情況下，如何識別音頻和視覺概念，包括人群、踢踏舞和水。舉個例子，當你看到某人拍的照片時，大多數時候它知道哪個聲音與哪個圖像有關。
視覺與聽覺
“這種合作學習方法還可以延伸到除了視覺和聽覺之外的感官，”他說。“比如，同時學習視覺和觸覺功能，可以讓人工智能在黑暗中搜索物體，并學習諸如摩擦力等物體屬性。”
消息稱，DeepMind將在10月下旬在意大利威尼斯召開的計算機視覺國際會議上展示這項研究。
雖然DeepMind項目中的人工智能與現實世界沒有互動，但研究人員表示，完善自我監(jiān)督學習最終會讓我們創(chuàng)造出能夠在現實世界中運行的人工智能，并從它所看到和聽到的東西中學習。
但在我們達到這一目標之前，自我監(jiān)督式學習可能是一種很好的方式，這樣可以訓練圖像和音頻識別算法，而無需輸入大量人類標記的數據。DeepMind的算法可以將80%的音頻剪輯按照時間的順序正確地歸類，這使得它在音頻識別方面比許多在標簽數據上訓練的算法更出色。這些可喜可賀的成果表明，類似的算法或許能夠通過分析YouTube上數百萬個在線視頻等海量未標記的數據集來學習更多的知識。“世界上的大多數數據都沒有被標記出來，因此開發(fā)從未標記的數據中學習的系統(tǒng)是有意義的，”阿格拉沃爾教授這樣說道。
責任編輯：黃焱林
相關推薦
【AlphaGo明日首戰(zhàn)柯潔】DeepMind 哈薩比斯傳奇：從16歲劍橋神童到AI超級英雄
DeepMind在RN中賦予AI推理能力，在CLEVR中超過人類水平95.5%
谷歌DeepMind又出神作：你說什么，這款AI就能畫什么DeepMind因數據隱私問題 在英國被判定違法
7月4日消息，據國外媒體報道，英國一家監(jiān)管機構發(fā)現，在與谷歌的DeepMind人工智能創(chuàng)業(yè)公司分享病歷時，國家衛(wèi)生服務違反了數據隱私法?！ ≡诠颊{查結果的一份聲明中，信息專員辦公室表示，皇家免費NHS信托基金會不遵守數據保護法案，因為它為超過160萬名患者提供了部分記錄。這些數據最初是用來幫助DeepMind的流應用程序，以及改善急性腎損傷和其他醫(yī)療