DeepMind彻底解决人工智能灾难性遗忘问题
9月1日消息，据外媒报道，暑假后你回到学校时，可能会觉得你已经把上一年学到的知识都还给了老师。但是，如果你像人工智能系统那样学习知识，那么你在你每一年的第一天，你的大脑就真的会拿一个记忆的橡皮擦，把你之前学到的所有知识一点不留的擦掉——真真正正的从零开始。而这正是人工智能算法一直以来的学习方法，它从来不会真正记住任何东西。
人工智能系统在设计上就倾向于在每次开始新的学习之前，忘记先前学到的所有东西，这被称为灾难性遗忘。
很明显，这是一个大问题。尖端的学习算法大多依赖给定答案的有监督学习。例如，面部识别AI系统将分析人脸的数千张照片，这些照片已经手动标注好答案以便AI在视频输入中能检测到人脸。但是因为这些人工智能算法实际上并不“理解”他们所做的事情的基本逻辑，所以教导他们做其他任何事情，即使是非常相似的任务，都显得非常困难。比如说，让人工智能去识别特定的情感，这意味着你要从头开始训练这套模型。一旦算法被训练，它能做的事情就固定下来了，我们不能再训练它去做其他事情。
多年来，科学家们一直试图弄清楚如何解决这个问题。如果他们成功，AI系统将能够从一组新的训练数据中学习，而不会覆盖他们在此过程中已经学习到的内容。也就是说，如果机器人真的有一天会崛起，我们的新“领主”将能够在征服地球上的所有生命的同时吹泡泡糖——同时做两件事。
但是，灾难性的遗忘仍然是阻碍科学家们研发出强人工智能（AGI）的主要障碍之一。强人工智能指具有人类级别的聪明甚至是情感，这包括我们在电视和电影中看到的无所不能的，有同情心和想象力的人工智能。
事实上，上周在布拉格参加人类人工智能峰会的一些人工智能专家表示，灾难性遗忘的问题是迈向强人工智能最大的障碍之一。而他们并不认为近期内会在这方面有所突破。
但谷歌DeepMind的高级研究科学家伊琳娜希金斯（IrinaHiggins）在会议的演讲上宣布她的团队已经开始破解灾难性遗忘的奥秘。
她开发了一个AI代理人，这有点像一个由AI算法控制的电子游戏中的角色。它可以比典型机器学习算法更有创造性地思考。通过在虚拟的环境中经历一些事情，它可以“想象”类似的事情在其他环境中会怎样发生。换句话说，神经网络能够从它所处的环境中抽象出关键物体和事件。
这与人类的想象力不同，我们可以完全想出一些从未见过的事物。比如，你可以在脑海中想象一只圆圆的、红色的鸟鸟的样子。人工智能系统尚不如人类的大脑复杂，但它已经可以想象已经见过的事情在其他场景中发生的样子。
希金斯在由GoodAI组织的会议上发言时说道：“我们希望机器能够在探索中学习安全常识，这样它就不会对自身造成损害。”。她早些时候在arXiv上发表了她的论文，并撰写了一篇相关的博客文章。
现在，希金斯的人工智能系统可以从五张同一物体的不同角度的照片中“理解”这个物体，理解物体与环境的关系，以及在从未给算法见过的其他角度下的样子，或是在不同光线下的呈现的模样。希金斯的论文重点介绍了如何训练算法来发现白色手提箱或扶手椅。在训练之后，算法可以想象该对象在一个全新的虚拟世界中的外观，并在遇到它时识别该对象。
希金斯说：“我们呈现一个图像给人工智能模型看物体在一个环境下的样子，并要求模型想象这个物体在不同环境中会是什么样子。”与其他传统AI系统相比，她的新算法在识别从未见过的物体方面表现优异。
简而言之，该算法能够记录它遇到的内容与过去看到的内容之间的差异。像大多数人一样，但与大多数其他算法不同的是，希金斯为谷歌搭建的新系统可以理解它从没有遇到的全新的对象。通过从一个新的角度看待对象，它可以使用一些备用计算能力来从中提取新信息，更新它对世界的了解。而这一切无需重新学习，也无需遗忘先前的训练成果。换句话说，这套系统能够将其现有知识转移并应用于新环境。
当然，希金斯的模型本身不能把强人工智能变成现实。但它标志着人工智能算法迈出了重要的一步。从此人工智能算法可以不断更新，在不丢失已有功能的情况下学习有关世界的新知识。
希金斯说：“我认为无遗忘学习是接近真正人工智能的道路上至关重要的一步。”
这项研究仍处于早期阶段。与许多其他物体识别AI工具一样，这些算法只能在一个系列特定的任务中进行学习，例如查看照片并在许多不是面部的图像中挑选出一张脸。但希金斯新的人工智能系统正在以一种更具创造力和想象力的方式完成这些任务。
即使希金斯的研究没有立即让我们进入强人工智能时代，她的新算法已经能够改进我们一直使用的AI系统。例如，希金斯在用于训练面部识别软件的一组主要数据上尝试了她的新AI系统。在分析了数据集中发现的数百万张头像后，该算法可以生成从未在图片库中出现过的头像。例如，希金斯展示了按肤色排列的头像集合。
希金斯随后透露，她的算法也能够对主观评价作出预测。比如它可以对人们对头像的评价作出判断。在学习了上百万张头像之后，希金斯的算法绘制了几副它认为“有吸引力”的头像：一系列年轻白人女性的头像。也就是说，抛开种族问题不谈，希金斯的算法发现了人们的审美偏见：白人更具吸引力。
当局者迷，旁观者清，这种创造性的新算法已经比人类更善于寻找人类的偏见，之后工程师可以从系统中移除这些偏见。
虽然最新的人工智能算法还不能取代艺术家，但毫无疑问，希金斯团队的研发成果是人类迈向强人工智能的一大步。
人工智能
人工智能（英文名：ArtificialIntelligence，英文缩写：AI）。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。[1]
人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。
新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]