Maskiner kan nu känna igen något efter att ha sett det en gång

De flesta av oss kan känna igen ett föremål efter att ha sett det en eller två gånger. Men algoritmerna som driver datorseende och röstigenkänning behöver tusentals exempel för att bli bekanta med varje ny bild eller ord.

Forskare vid Google DeepMind har nu en väg runt detta. De gjorde några smarta justeringar till en algoritm för djupinlärning som gör det möjligt för den att känna igen objekt i bilder och andra saker från ett enda exempel – något som kallas 'one-shot learning'. Teamet demonstrerade tricket på en stor databas med taggade bilder, såväl som på handstil och språk.

De bästa algoritmerna kan känna igen saker på ett tillförlitligt sätt, men deras behov av data gör det tidskrävande och dyrt att bygga dem. En algoritm som är utbildad för att upptäcka bilar på vägen måste till exempel få i sig många tusentals exempel för att fungera tillförlitligt i en förarlös bil. Att samla in så mycket data är ofta opraktiskt - en robot som behöver navigera i ett obekant hem, till exempel, kan inte spendera otaliga timmar på att vandra runt och lära sig.

Oriol Vinyals , en forskare vid Google DeepMind, ett Storbritannien-baserat dotterbolag till Alphabet som är fokuserat på artificiell intelligens, lade till en minneskomponent till ett djupinlärningssystem – en typ av stort neuralt nätverk som är tränat att känna igen saker genom att justera känsligheten för många lager av sammankopplade komponenter ungefär analogt med neuronerna i en hjärna. Sådana system behöver se massor av bilder för att finjustera kopplingarna mellan dessa virtuella neuroner.

Teamet demonstrerade systemets kapacitet på en databas med märkta fotografier som kallas ImageNet . Programvaran behöver fortfarande analysera flera hundra kategorier av bilder, men efter det kan den lära sig att känna igen nya objekt – säg en hund – från bara en bild. Den lär sig effektivt känna igen egenskaperna i bilder som gör dem unika. Algoritmen kunde känna igen bilder av hundar med en noggrannhet nära den för ett konventionellt datahungrigt system efter att bara ha sett ett exempel.

Vinyals säger att verket kan vara särskilt användbart om det snabbt kunde känna igen betydelsen av ett nytt ord. Detta kan vara viktigt för Google, säger Vinyals, eftersom det kan tillåta ett system att snabbt lära sig innebörden av en ny sökterm.

Andra har utvecklat one-shot inlärningssystem, men dessa är vanligtvis inte kompatibla med system för djupinlärning. Ett akademiskt projekt förra året använde probabilistiska programmeringstekniker för att möjliggöra denna typ av mycket effektiv inlärning (se 'Den här algoritmen lär sig uppgifter så snabbt som vi gör').

Men system för djupinlärning blir mer kapabla, särskilt med tillägg av minnesmekanismer. En annan grupp på Google DeepMind utvecklade nyligen ett nätverk med en flexibel typ av minne, vilket gör det kapabelt att utföra enkla resonemangsuppgifter – till exempel lära sig att navigera i ett tunnelbanesystem efter att ha analyserat flera mycket enklare nätverksdiagram (se ' Vad händer när du ger en dator ett arbetsminne? ').

'Jag tycker att det här är ett mycket intressant tillvägagångssätt, som ger ett nytt sätt att göra engångsinlärning på sådana storskaliga datamängder', säger Sang Wan Lee , som leder Laboratory for Brain and Machine Intelligence vid Korean Advanced Institute for Science and Technology i Daejeon, Sydkorea. 'Detta är ett tekniskt bidrag till AI-gemenskapen, vilket är något som forskare inom datorseende kan uppskatta till fullo.'

Andra är mer skeptiska till dess användbarhet, med tanke på hur annorlunda det fortfarande är från mänskligt lärande. För en sak, säger Sam Gershman , en biträdande professor vid Harvards avdelning för hjärnvetenskap, människor lär sig i allmänhet genom att förstå komponenterna som utgör en bild, vilket kan kräva lite verklig kunskap, eller sunt förnuft. Till exempel, 'en Segway kan se väldigt annorlunda ut än en cykel eller motorcykel, men den kan vara sammansatt av samma delar.'

Enligt både Gershman och Wan Lee kommer det att dröja ett tag innan maskiner matchar mänsklig inlärning. 'Vi är fortfarande långt ifrån att avslöja människors hemlighet att utföra engångsinlärning,' säger Wan Lee, 'men detta förslag innebär helt klart nya utmaningar som förtjänar ytterligare studier.'

Dölj