AIGC動態(tài)歡迎閱讀

原標(biāo)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(xué)習(xí)方法
關(guān)鍵字：報告,智能,人工智能,清華,記憶
文章來源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：4283字

內(nèi)容摘要：

來源：腦機(jī)接口社區(qū)在開放、高動態(tài)和演化環(huán)境中的學(xué)習(xí)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(jī)器學(xué)習(xí)范式是在靜態(tài)的和封閉的數(shù)據(jù)集上學(xué)習(xí)到一個模型，并假設(shè)其應(yīng)用環(huán)境和之前訓(xùn)練數(shù)據(jù)的屬性相同，因而無法適應(yīng)動態(tài)開放環(huán)境的挑戰(zhàn)。持續(xù)學(xué)習(xí)針對該問題，模擬生物智能的學(xué)習(xí)過程和學(xué)習(xí)能力，發(fā)展新型的機(jī)器學(xué)習(xí)理論和方法，通過持續(xù)學(xué)習(xí)的過程，以期提升智能體對開放、高動態(tài)環(huán)境的適應(yīng)能力。但是，目前主流的機(jī)器學(xué)習(xí)模型通過調(diào)整網(wǎng)絡(luò)參數(shù)進(jìn)行學(xué)習(xí)，當(dāng)學(xué)習(xí)任務(wù)的數(shù)據(jù)分布發(fā)生變化時，先前學(xué)到的網(wǎng)絡(luò)參數(shù)可能被覆蓋，從而導(dǎo)致對先前知識的災(zāi)難性遺忘（catastrophic forgetting）。
作為人工智能尤其是深度學(xué)習(xí)發(fā)展的重要瓶頸，持續(xù)學(xué)年來在人工智能領(lǐng)域受到廣泛關(guān)注。大多數(shù)持續(xù)學(xué)習(xí)方法都專注于提高對所學(xué)知識的記憶穩(wěn)定性以克服災(zāi)難性遺忘，例如在學(xué)習(xí)新任務(wù)時固定執(zhí)行舊任務(wù)的網(wǎng)絡(luò)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(shí)世界的復(fù)雜環(huán)境和任務(wù)具有普遍的適應(yīng)能力。能否借鑒生物腦的持續(xù)學(xué)習(xí)機(jī)理，發(fā)展新型的持續(xù)學(xué)習(xí)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(xué)習(xí)方法

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：AItists
作者簡介：致力成為權(quán)威的人工智能科技媒體和前沿科技研究機(jī)構(gòu)