比機器學習更快的演算法!麻省理工領軍開發貝葉斯程式學習

作者 | 發布日期 2015 年 12 月 14 日 14:27 | 分類 機器人 , 軟體、系統 follow us in feedly
www.geekwire.com

AI 人工智慧、機器學習(Machine Learning)等技術,成為近期熱門的科技話題,導入這些技術的機器人,已經開始取代一些人為工作職位。而上週,科學期刊 Science 最新上刊一篇研究,研究者又找到加速機器學習的新方法。這篇研究是由美國麻省理工、紐約大學、多倫多大學等研究人員共同完成,研究結果顯示,他們已經開發出一個新的演算法,僅用單一例子,就能教會電腦一個全新的概念。



www.nytimes.com

現有的機器學習技術,是透過成千上萬筆累積的例子,讓電腦演算法找出事件的重複形式,來學會應對事件發生反應,如 Siri、Google Now 就是這項技術的實例。然而,這項技術要能純熟應用需要時間來累積、發現事件的形式。

而這個新的演算法,研究者取名為「貝葉斯程式學習 Bayesian Program Learning,BPL」,能夠讓電腦自己產生額外的學習案例,進而發現、找出事件的形式。而激起研究者往這個方向發展,是因為許多孩童只要看一次動作,就能夠學會新的技能,他們想要把這樣的人腦技能複製到電腦上。

研究中的實驗案例,是拿 50 個書寫系統所累積而成的 1,623 個別手寫字樣(涵括不同語言字樣),來讓電腦辨識。BPL 演算法去認明每一個書寫字,並學會書寫出來,接著找來真人跟電腦去寫一樣的字,由第三方來判斷哪個是電腦、哪個來自人的手寫字。結果,低於四分之一的第三方人士有辦法辨識兩者。

等到未來這項演算法進一步發展,它也能夠應用到手機上的話語辨識系統上,就算是用戶第一次說出的字,系統也有辦法快速辨別、應對語音指令。

(Source:YouTube

(本文由 數位時代 授權轉載) 

發表迴響