在今天發(fā)表在《科學(xué)報告》雜志上的一篇文章中，研究人員展示了如何采用一個世紀(jì)前引入的物理概念來解決這兩個挑戰(zhàn)，該物理概念描述了鐵塊冷卻過程中磁體的形成。

通過精心的優(yōu)化程序和詳盡的模擬，巴伊蘭大學(xué)的一組科學(xué)家證明了冪律定標(biāo)的物理概念對深度學(xué)習(xí)的有用性。物理學(xué)中的這一中心概念源自多種現(xiàn)象，包括地震的時機和震級，互聯(lián)網(wǎng)拓?fù)浜蜕缃痪W(wǎng)絡(luò)，股票價格波動，語言學(xué)中的單詞頻率以及大腦活動中的信號幅度，這些事實也適用于AI不斷發(fā)展的領(lǐng)域，尤其是深度學(xué)習(xí)。

“在線學(xué)習(xí)中的測試錯誤（每個示例僅接受一次培訓(xùn)）與由大量紀(jì)元組成的最新算法（每個示例都經(jīng)過了多次培訓(xùn)）非常一致。這一結(jié)果具有重要意義暗示著需要快速做出諸如機器人控制之類的決策。”負(fù)責(zé)這項研究的Bar-Ilan物理系和Gonda（Goldshmied）多學(xué)科大腦研究中心的Ido Kanter教授說。他補充說：“冪律定標(biāo)控制著不同的動態(tài)規(guī)則和網(wǎng)絡(luò)體系結(jié)構(gòu)，可以在不同的檢查分類或決策問題之間進行分類和層次結(jié)構(gòu)的創(chuàng)建。”

這項研究的合著者，博士生Shira Sardi說：“高級深度學(xué)習(xí)算法的重要組成部分之一是最近在實驗神經(jīng)科學(xué)和高級人工智能學(xué)習(xí)算法之間建立了新的橋梁。”我們在神經(jīng)元文化上進行的新型實驗表明，訓(xùn)練頻率的增加使我們能夠顯著加速神經(jīng)元適應(yīng)過程。另一位合著者之一的博士生尤瓦爾·梅爾（Yuval Meir）表示：“這種受大腦啟發(fā)的加速機制可以構(gòu)建優(yōu)于現(xiàn)有算法的高級深度學(xué)習(xí)算法。”

從物理和實驗神經(jīng)科學(xué)到機器學(xué)習(xí)的重建橋梁有望在有限的訓(xùn)練示例下促進人工智能，尤其是超快速決策的發(fā)展，從而有助于深度學(xué)習(xí)領(lǐng)域的理論框架的形成。

責(zé)任編輯：lq