当前位置:九州滚球app下载 > 社会科学 >

谭铁牛院士:向生物学习 开启模式识别新突破—

发布时间:2017-12-04 阅读:

  谭铁牛院士:生物学研究模式识别新突破 - 新闻 - 科技网

  当人们观察事物或现象时,往往会形成一组相似或不相同的事物或现象。例如,一个数字有不同的措辞,对于一个人来说,措辞没有看到,但大脑可以自动识别这个词。

  虽然人们早已熟悉这种模式识别行为,但它是中国科学院谭铁牛认为的人类最重要的知识行为,机器模式识别的能力很大程度上反映了人类智力的程度,成为人工智能的核心内容之一。

  事实上,近几十年来,机器的模式识别已经取得了很大的进展,并在特定的领域取得了成功的应用。然而,与生物系统相比,目前的模式识别方法仍然存在明显的缺陷。

  目前,一些面向任务的模式识别取得了突破性进展,一些性能可与其他方面相媲美。谭天牛说,但是普遍的模式识别系统还有很长的路要走。机器模式识别的瓶颈主要集中在鲁棒性差,适应性差,泛化能力差三个方面。

  一般来说,目前的模式识别技术还不够皮革。例如,面对局部变形,光线变化,遮挡,杂乱背景,尺度变化等干扰,机器很容易出错;机器将不会像人类一样相似,而是用于大样本培训。

  看来,牛牛的这些瓶颈还得走到自然界去寻找。为了学习生物学,进行生物启发式模式识别,有望在模式识别的理论和方法上取得新的突破,实现无缝切换到不同任务,自主适应环境,提取浓缩知识。

  他提出的生物启发模式识别是向生物模式识别系统学习,充分借鉴脑科学,认知科学和心理学的先进成果,突破现有理论和方法的内在局限性,实现模式识别的理论和方法革新。

  例如,在Tan Tailun等人的一篇论文中,受人脑长记忆的启发,研究人员提出了一种多模式记忆网络。通过引入注意和记忆机制模块,状态长序列建模,用于视频描述生成,智能对话等领域。

  再例如,人类可以将某种知识或技能转移到另一个类似的领域。在现有知识的帮助下,新的学习任务可以在很少的训练中取得良好的效果。这种迁移学习的能力也引起了模式识别领域学者的关注。科学家们试图模拟从熟悉领域到陌生领域的生物学习方法,为跨模态迁移学习建立跨领域模型,充分利用大量旧标注样本,目前少量的标记数据被用于培养新的模式来解决新的问题。

  总之,模式识别是智能化时代的关键技术。谭泰楼最后表示,研究生物系统开展生物启发式模式识别研究具有非常广阔的创新空间和发展前景。

关键词: 社会科学