反直覺!新方法或讓AI模型擁有"聯想"力,甚至能識別從未見過的事物

一種新的方法正在讓人工智能模型獲得人類的

來自加拿大滑鐵盧大學的博士生伊利亞（Ilia

相關研究論文於

伊利亞告訴

沒人知道，這種方法一旦實現大規模應用，人工智能會迸發出怎樣的火花。

高企的訓練成本

機器學習，尤其是深度學習往往需要大量的訓練數據。

著名的語言模型

目前，GPT-3

「更多更大更強」

相信很多人的答案並不篤定。

舉個例子，假如現在需要讓人工智能模型

之所以需要如此之多的樣本，是因為同樣一匹馬，僅僅是轉換一個拍攝角度，或微調一些肉眼無法觀察的像素點，人工智能就會識別失敗，所以需要大量的大小、顏色、體態、朝向、品種不一的樣本填滿人工智能的

即便如此，人工智能的識別成功概率也不能達到

但人類的兒童，卻只需要一張看圖識字的卡片，便能輕易分辨出唐僧所騎乘的是馬，而不是其他外型類似的生物。並且，兒童一旦學會識別某種事物，這項技能終其一生都很難忘記，只會越來越熟練。

更有甚者，兒童可以在沒有任何真實示例的情況下

圖

伊利亞和導師認為，人工智能模型也應該具備同樣的能力。也就是說，人工智能模型應該可以從

他們將這一過程稱為

考慮到居高不下的訓練成本和日益龐大到接近極限的訓練數據，這種讓人工智能學會

如何實現

在此前的一篇論文中，現為麻省理工學院博士生的

作為實踐，他們將

這些圖像不是直接從原始數據集中選取的，而是經由一系列的設計和優化後，賦予了這

因此，僅僅用這個超精簡數據集對人工智能模型進行訓練，就可以達到與用

圖

圖

伊利亞和導師從中受到啟發，並且認為可以在

伊利亞很快發現，想要達到這個效果的訣竅就是創建混合有多個數字特征的圖像，然後為它們打上

「你可以想象一下數字

「軟標簽的目的在於標注這些共同的特征，進而以這種方式增加信息密度和維度。因此，相比於直接告訴模型這個圖像是

「少於一個」

當伊利亞和導師成功地使用軟標簽在

答案是否定的。

從理論上來看，使用精心設計的軟標簽，甚至只用兩個示例就可以承載任意數量的類別信息。伊利亞說：「通過兩個數據點，你就可以分離出一千個，一萬個，甚至是一百萬個類別。」

伊利亞和導師通過純數學方式的推導，在論文中證明了這一點。他們使用一種最簡單的機器學習算法

在進一步說明之前，有必要以水果分類任務為例，簡單說明

假設我們要訓練

kNN

圖

為了將

然後，他們讓

圖

通過對類別邊界線的複雜編碼和樣本軟標簽的調整，他們讓

圖

當然，凡事總有兩面，這個方法也有其局限性。

當伊利亞和導師嘗試將

kNN

這一工作目前看來不可能全部通過人工完成。伊利亞說，他現在正在研究其他方法來設計這些凝練後的合成數據集

盡管存在諸多挑戰，但不可否認這篇論文為

圖

需要從圖像或視頻幀中識別成千上萬個類別的計算機視覺系統（如自動駕駛）、執行情感分析的自然語言處理系統等都將從中受益。

Tongzhou

從人類的學習經驗來看，這是能夠實現的，應用領域也異常寬廣。從抓捕只有一張照片的犯罪嫌疑人，到識別海上航行的敵方艦艇，都是典型的小樣本場景。

對於這項成果，也有業內人士指出

該博士生分析稱，如果把人類的眉、目、鼻、口、耳這五官特征提取出來，然後通過伊利亞的方式整合到一起，可能可以組成世界上所有存在、不存在的人臉，但在訓練模型的時候，依舊需要讓機器知道真正的人臉是怎樣的。

也就是說，模型通過伊利亞的方法訓練之後，還需要再增加一個新的步驟來實現閉環，這個新的學習步驟如何實現，以及實現的難易程度，才是關鍵所在。並且，五官的特征也是需要從大量的、有標簽的數據中來的。但他也承認，「從這個角度看，這篇論文的確提出了一個非常新穎的思路。」

最後，伊利亞強調這個研究尚處在早期階段，但他對此充滿信心。

他說，每當他向其他研究人員介紹這篇論文時，他們的第一反應是說這個想法不可能實現，但緊接著他們便意識到事實並非如此，它可能無意間觸及了一扇通往全新世界的大門。