AIGC動態歡迎閱讀

原標題：類人神經網絡再進一步！DeepMind最新50頁論文提出AligNet框架：用層次化視覺概念「對齊」人類
關鍵字：模型,人類,語義,相似性,研究人員
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】DeepMind最近的研究提出了一種新框架AligNet，通過模擬人類判斷來訓練教師模型，并將類人結構遷移到預訓練的視覺基礎模型中，從而提高模型在多種任務上的表現，增強了模型的泛化性和魯棒性，為實現更類人的人工智能系統鋪平了道路。近年來，深度學習在人工智能領域，如自然語言處理和計算機視覺方面取得了快速進展，但即便是最強大的模型，也經常會在那些，對于人類說非常簡單的case上折戟。
人類感知對環境變化具有魯棒性，并能在不同的視覺設置中泛化，相比之下，對于深度學習模型來說，如果訓練和測試數據集之間的分布發生偏移，其性能往往會急劇下降。
人類在判斷視覺相似性時往往能夠很好地校準自己的判斷，即人類對某個問題的確定性往往與預測準確率成正比，而AI系統則過于自信，即使在預測錯誤時也表現出高度的確定性。
所以說，在真正實現通用人工智能之前，深度學習模型和人類之間仍然存在諸多差異需要調和、對齊。
值得思考的是，神經網絡訓練和人類學習在根本上有所不同，其無法像人類一樣穩健地泛化，是否是因為其底層表征的相似性的問題？現代學習系統要表現出更像人類的行為，還缺少什么？深

原文鏈接：類人神經網絡再進一步！DeepMind最新50頁論文提出AligNet框架：用層次化視覺概念「對齊」人類

聯系作者

文章來源：新智元
作者微信：
作者簡介：