NMI封面文章：鐘毅課題組與朱軍課題組合作提出腦啟發(fā)的人工智能持續(xù)學習方法

AIGC動態(tài)1年前 (2023)發(fā)布人工智能學家

AIGC動態(tài)歡迎閱讀

原標題：NMI封面文章：鐘毅課題組與朱軍課題組合作提出腦啟發(fā)的人工智能持續(xù)學習方法
關鍵字：報告,智能,人工智能,清華,記憶
文章來源：人工智能學家
內(nèi)容字數(shù)：4283字

內(nèi)容摘要：

來源：腦機接口社區(qū)在開放、高動態(tài)和演化環(huán)境中的學習能力是生物智能的核心要素之一，也是人類以及大多數(shù)動物在“適者生存”的自然選擇過程中形成的重要優(yōu)勢。目前傳統(tǒng)機器學習范式是在靜態(tài)的和封閉的數(shù)據(jù)集上學習到一個模型，并假設其應用環(huán)境和之前訓練數(shù)據(jù)的屬性相同，因而無法適應動態(tài)開放環(huán)境的挑戰(zhàn)。持續(xù)學習針對該問題，模擬生物智能的學習過程和學習能力，發(fā)展新型的機器學習理論和方法，通過持續(xù)學習的過程，以期提升智能體對開放、高動態(tài)環(huán)境的適應能力。但是，目前主流的機器學習模型通過調(diào)整網(wǎng)絡參數(shù)進行學習，當學習任務的數(shù)據(jù)分布發(fā)生變化時，先前學到的網(wǎng)絡參數(shù)可能被覆蓋，從而導致對先前知識的災難性遺忘（catastrophic forgetting）。
作為人工智能尤其是深度學習發(fā)展的重要瓶頸，持續(xù)學年來在人工智能領域受到廣泛關注。大多數(shù)持續(xù)學習方法都專注于提高對所學知識的記憶穩(wěn)定性以克服災難性遺忘，例如在學習新任務時固定執(zhí)行舊任務的網(wǎng)絡參數(shù)。然而，這些方法通常只能在特定場景中發(fā)揮作用，難以像生物智能那樣對現(xiàn)實世界的復雜環(huán)境和任務具有普遍的適應能力。能否借鑒生物腦的持續(xù)學習機理，發(fā)展新型的持續(xù)學習方法一直是人工

原文鏈接：NMI封面文章：鐘毅課題組與朱軍課題組合作提出腦啟發(fā)的人工智能持續(xù)學習方法