微信号:hzdashuju

介绍:大数据蕴藏着丰富的信息和价值,如何处理好大数据并发掘其潜藏的商业价值,这是大数据时代的新挑战.我们将为大家提供与大数据相关的最新技术和资讯.

LeCun:智能的精华在于预测能力!“预测学习”了解一下!

2018-05-29 21:00 彭博

导读:在NIPS 2016大会上,著名研究者LeCun提出了预测学习(predictive learning)概念。在他的讲稿中,将机器学习比喻为“蛋糕”:


  • 强化学习,是蛋糕上的小樱桃:输入数据,输出1个数字,代表对于奖励的预测。

  • 有监督学习,是蛋糕的糖霜:输入数据,输出少量结论,例如图像的分类。

  • 无监督学习,预测学习,是蛋糕的真正本体:输入数据,输出同样量级的预测。

    □ 例如:输入部分缺失的图像,输出将图像补充完整后的结果。

    □ 例如:输入一段视频,输出对于视频的未来发展的预测,如下图所示。



预测学习很重要,而且可能是通往强人工智能的必经之路。目前深度学习的领军人物Hinton、LeCun、Bengio均在此投入了研究,也许它将带来AI的下一场革命。


在笔者看来,预测学习有几个重要特点:


1. 它需要逻辑,需要常识


例如,在预测视频的发展时,需学会物理定律(如牛顿三定律),学会不同事物的特征(如人体的不同关节的运动方法),学会空间立体的概念(需处理物体的平移,旋转,相互间的遮挡),等等。


  • 在推理和预测过程中,还需要记忆,包括长期和短期记忆。目前研究人员已有办法为网络加入各种记忆模组。


2. 它的数据特别容易获得


首先,它是无监督方法,无需人工标记。其次,网络上已经有浩如烟海的视频,截取出的每个片段都可用于训练。而且我们还可用摄像头轻松生成无穷无尽的新视频,甚至可让AI学会主动控制摄像头。


  • 我们还可使用游戏引擎生成视频画面。


3. 此前我们已看到数据对于深度学习的关键性


在使用海量数据训练后,深度网络有可能会逐渐掌握逻辑和常识,改善它此前在这两方面的缺陷,甚至自动发现物理定律。


  • “情感神经元”是很好的例证:仅仅是要求网络学会预测,网络就可自动发现深层次的规律。


4. 预测学习也有非常实际的用途


例如,在自动驾驶中,如果能预测其它车辆和行人的行为,就可以改善自动驾驶的性能和安全性。


在LeCun的讲稿中,给出了如下公式:


智能 = 感知 + 预测 + 记忆 + 推理和规划


笔者将其总结为:


记忆过去,感知现在,预测未来


如果与强化学习结合,可得到如下图所示的更完整的架构图。这里智能体的目标是最小化费用,这需要通过对世界建模实现。



目前在预测学习领域已有许多有趣的工作,例如让网络预测游戏环境中物体的下落和碰撞轨迹(PhysNet, https://arxiv.org/abs/1603.01312),如下图所示。



左边是游戏场景。右边上排是实际的下落和碰撞情况。右边下排是网络的预测,其中第1张图像是网络的输入,后续3张图像都是网络的预测。


可见,网络有能力大致预测出方块的运动情况,不过会随着时间的推移而越来越模糊。


这是预测模型中的常见现象,是因为未来有不确定性。如下图所示,未来有多种可能性,我们无法提前判知。



因此,如使用MSE作为拟合目标,网络会无所适从,最终造成图像模糊。


解决方法是引入GAN思想,用判别器网络判断未来的发展是否为真。这样网络可以给出更清晰的预测(虽然预测无法囊括未来的所有发展)


例子见https://github.com/dyelax/Adversarial_Video_Generation,其中的动画非常有趣,推荐读者打开看一看。例如,对于吃豆人游戏的画面预测,如果不使用GAN,在经过一个岔路口时,由于网络不知道吃豆人会选择哪个路口,因此会在画面中同时显示出吃豆人向上走和向下走的轨迹。


关于作者:彭博,人工智能、量化交易、区块链领域的技术专家,有20年以上的研发经验。 在人工智能与信息科技方面,对深度学习、机器学习、计算机图形学、智能硬件等有较为深入的研究。

本文摘编自《深度卷积网络:原理与实践》,经出版方授权发布。


延伸阅读《深度卷积网络:原理与实践

转载请联系微信:togo-maruko

点击文末右下角“写留言”发表你的观点


推荐语:20年开发经验专家/知乎大V,从技术理论、工作原理、实践方法等方面系统、深入讲解DCNN。


推荐阅读


Bruce Eckel:我最喜欢Python,Kotlin或将取代Java(附演讲全文+PPT)

注意!有人正在计算你今天会出现在哪里,并尝试左右你的行为

最全Python数据工具箱:标准库、第三方库和外部工具都在这里了

用《复联3》的豆瓣评分教会你正确使用条形图、饼图、漏斗模型



Q: 关于预测学习你都有哪些经验?

欢迎留言与大家分享

觉得不错,请把这篇文章分享给你的朋友

转载 / 投稿请联系:baiyu@hzbook.com

更多精彩,请在后台点击“历史文章”查看

 
大数据 更多文章 真实的小学教育投资数据:北京每人25793.55元,河南每人5036.31元 AI催生新的工作机遇:5个未来会很吃香的岗位 知乎热门:为什么你宁愿吃生活的苦,也不愿吃学习的苦 编程15年,如何才能成不了高手? Bruce Eckel:我最喜欢Python,Kotlin或将取代Java(附演讲全文+PPT)
猜您喜欢 大型网站架构系列:负载均衡详解(下) Go语言参数传递是传值还是传引用 HAProxy-1.8-RC已经发布 微软选择 Ubuntu 放到 Windows 10 的 Linux& 它凭什么年薪35W,2018年大数据AI发展趋势分析