爱吧机器人网 » 技术 > 机器学习 > 正文

如何让人工智能机器人快速自我纠正错误并吃一堑长一智?

【本文由爱吧机器人网原创编译,转载请注明来源】

人工智能所犯的错误通常需要相当长的时间才能解决,如今在莱斯特大学新研究的帮助下,这些错误可以立即得到纠正。

\
 
莱斯特大学数学系的研究人员在《Neural Networks》杂志上发表了一篇文章,概述了新算法的数学基础,可以使人工智能收集错误报告并立即纠正,而不影响现有技能 ,同时还会积累这些纠正经验用于将来的版本或升级。
 
这本质上可以使机器人能够瞬间纠正错误,有效地从错误中“学习”,而不会损害已经获得的知识,并最终将新知识扩展到机器人彼此之间。
 
这些算法与ARM的工业合作伙伴一起被组合成一个系统,一个AI校正器,能够即时提升传统AI的性能。
 
ARM是世界上最大的半导体IP提供商,是目前90%以上智能电子产品的首选架构。
 
莱斯特大学数学系的Alexander Gorban教授说:“迄今为止,已经部署了多种版本的人工智能大数据分析系统,用于各种平台上的数百万台计算机和小工具,它们在不均匀的网络中进行交互。”
 
“亚马逊,IBM,Google,Facebook,SoftBank,ARM等许多工业技术巨头都参与到这些系统的开发中,其性能有所提高,但有时会产生错误的警报,错误的检测或错误的预测。错误是不可避免的,因为大数据的固有不确定性。”
 
“人类可以立即从错误中学习并不再重犯(至少优秀的人是这样)似乎是非常自然的,如何让人工智能也具备这种能力是一个很大的问题。”
 
“很难纠正一个在全速运行中的大型AI系统,比叫停一匹全速驰骋中的马更难。”
 
“我们最近发现这个问题的解决方案是可能的,在这项工作中,我们证明,在高维度甚至指数级的大样本中,经典Fisher形式的线性分类器足够强大,可以将错误与正确的响应以高概率分离并为非破坏性校正问题提供有效的解决方案。”
 
在廉价、快速和局部的修正程序中,迫切需要在校正过程中不会损害AI系统的重要技术。
 
机器学习的迭代方式对于大数据和巨大的AI系统来说从来都是不便宜的,因此研究人员建议校正器应该与重新配置和合并局部校正所需的可逆校正器是非迭代的。
 
莱斯特大学数学系的Ivan Tyukin博士说:“由于以下几个原因,重新训练系统往往是不可行的:首先整个系统是巨大的,重新训练需要大量的计算资源或者很长时间或者两者兼而有之;其次在发生错误的时候,在错误产生位置进行局部重新训练似乎是不可能的;再者,我们修复一个地方可能会不得不破坏另一个地方,这样就导致系统重要的技能可能会消失。”
 
“大数据挖掘的可持续大型智能系统的开发,需要创造快速非破坏性、非迭代和可逆校正的技术和方法,但直到现在都不存在这样的技术。”
 
研究人员发现并证明了随机分离定理,为大型智能数据分析系统的校正提供了工具。
 
通过这种方法,人工智能中的即时学习是可能的,为AI提供在发生错误之后从错误中重新学习的能力。
 
该项研究受到Innovate UK通过KTP基金的部分支持:ARM / Apical有限公司与莱斯特大学之间的KTP009890项目,Visual Management Systems Limited有限公司与莱斯特大学的KTP010522项目。知识转移伙伴关系(KTP)计划帮助企业创新和发展,它通过将企业与大学和毕业生联系起来来处理具体的项目。
 
来自ARM的R&D, Computer Vision, Imaging and Vision Group研发总监Ilya Romanenko博士表示:“拥有这样一个系统对于向客户和最终用户大规模部署AI服务是不可或缺的,客户特定的使用AI功能的设备引起客户特定的错误,这对最终用户来说是不可接受的。重新训练核心人工智能以处理这些错误在技术上是具有挑战性的,并且具有潜在风险。被训练处理特定错误的AI在新的情境下可能会出现意想不到的行为,随着人工智能部署规模的增长,问题的规模呈指数级增长,继续采取这种问题处理方式几乎不现实。
 
新技术能够完全消除这些障碍,使AI启动的设备在错误删除过程中协同工作,这种新的质量使大型AI启用的部署随着其大小的增长而变得更加智能化,实际上意味着无故障的AI设备成为现实。最近我们提出了专利申请,以确保我们在这方面的优先地位。”


上一篇:机器人也要学“二外”?有助提升自然语言能力
下一篇:到2025年,自然语言处理市场将突破220亿美元
精选推荐
哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤
哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤

[2019-11-06]  哈佛大学研究人员发表在《自然》杂志上的一项最新研究,他们开发了一种由柔软的人造肌肉驱动的机器人蜜蜂(RoboBee),这种机器人在撞墙、 ...

谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算
谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算

[2019-10-23]  谷歌坚称自己已经取得了量子霸权——这标志着计算研究领域的一个重要里程碑。谷歌首次发布声明是在今年9月,虽然遭到竞争对手的质疑,但就 ...

九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味
九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味

[2019-11-09]  本周,在麻省理工学院10号楼外草坪上展开了一场别开生面的足球比赛。在绿草如茵的基利安球场上,一群由人工智能驱动的机器人就是这场比赛的 ...

美国Natilus公司试飞水上无人货机 设计简单成本降低
美国Natilus公司试飞水上无人货机 设计简单成本降低

[2017-12-28]  Natilus创业公司成立于2014年,其梦想是建造大型无人机,以半价提供比船舶快得多国际货运。在十二月份,Natilus计划在旧金山湾测试一个9米翼展的小型原型无人机的水上滑行能力......

受大脑控制的机器人
受大脑控制的机器人

[2017-03-21]   想让机器人做我们想做的,首先,他得全面地了解我们。通常,这就意味着人类需要要付出更多。比如,教机器人复杂的人类语言或者把一项任务 ...

基于生物启发的机器人很容易适应丢失附属器官
基于生物启发的机器人很容易适应丢失附属器官

[2017-12-17]  很多机器人被设计应用在危险环境,如灾难现场。在这些地方,他们的运动系统完全有可能被损坏。那这样会吓跑这些机器人吗?也许不是,如果它们像日本的东北和北海道大学创造的......

智能农业:种地的事儿未来全交给这些机器人吧
智能农业:种地的事儿未来全交给这些机器人吧

[2019-12-07]  SRC公司创始人Sam与温波尔庄园农场经理Callum Weir以及监控机器人Tom总部位于英国的农业科技初创公司SRC(Small Robot Company),正在 ...

机器人工程师具体都做什么?
机器人工程师具体都做什么?

[2017-12-08]  机器人工程师是幕后设计师,负责创建机器人和机器人系统,能够执行人类无法完成或不愿意完成的任务。 通过他们的创造,机器人工程师帮助工作更安全,更轻松,更高效,特别是......

本周栏目热点

深度学习反向传播算法(BP)原理推导及代码实现

[2017-12-19]  分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,......

如何在机器学习项目中使用统计方法的示例

[2018-07-23]  事实上,机器学习预测建模项目必须通过统计学方法才能有效的进行。在本文中,我们将通过实例介绍一些在预测建模问题中起关键作用的统计学方法。...

[2017-08-28]  模拟退火(Simulated Annealing,简称SA)是一种通用概率算法,用来在一个大的搜寻空间内找寻命题的最优解。1、固体退火原理:将固体加温 ...

Machine Learning-感知器分类算法详解

[2018-05-31]  今天我们来讲解的内容是感知器分类算法,本文的结构如下:什么是感知器分类算法,在Python中实现感知器学习算法,在iris(鸢尾花)数据集上训练一个感知器模型,自适应线性神......

机器人是怎么深度学习的?

[2016-03-29]      一个人独处时,感觉有点孤单,怎么办?微软亚洲研究院推出的微软小冰,或许 ...