在今天發(fā)表在《科學報告》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，巴伊蘭大學的一組科學家證明了冪律定標的物理概念對深度學習的有用性。物理學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)拓撲和社交網(wǎng)絡(luò)，股票價格波動，語言學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，尤其是深度學習。

“在線學習中的測試錯誤（每個示例僅接受一次培訓）與由大量紀元組成的最新算法（每個示例都經(jīng)過了多次培訓）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。”負責這項研究的Bar-Ilan物理系和Gonda（Goldshmied）多學科大腦研究中心的Ido Kanter教授說。他補充說：“冪律定標控制著不同的動態(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：“高級深度學習算法的重要組成部分之一是最近在實驗神經(jīng)科學和高級人工智能學習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習算法。”

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

責任編輯：lq