如果你在毕业后停止学习怎么办?它听起来令人悠闲,但这就是大多数机器学习系统训练。他们掌握一次任务,然后部署。但是,一些计算机科学家现在正在开发人工智能,以不断学习和适应,就像人类大脑一样。

机器学习算法通常采用神经网络的形式,一组大型简单计算元件或神经元,通过它们之间的连接之间的连接进行通信,或者“weight.”考虑一种旨在识别图像的算法。如果在训练期间误导图片,则调整重量。当错误减少到特定阈值以下时,重量在设定值下冻结。

新技术将每个重量分成两个值,以影响一个神经元可以激活另一个神经元的值。第一个值受过培训和冻结,如传统系统中。但第二个值不断调整网络中的周围活动。批判性地,该算法还了解如何调整以制造这些权重。因此,神经网络学习行为模式,以及如何在新的情况下修改该行为的每个部分的多少。研究人员在瑞典斯德哥尔摩的会议上展示了他们的技术。

应用该技术,该团队创建了一个网络学会在看到完整图像后重建半删除的照片。相比之下,传统的神经网络需要在它可以重建原件之前看到更多的图像。研究人员还创建了一种学习的网络,以识别手写字母表—这是不均匀的,与键入的那些不均匀—看到一个例子后。

在另一个任务中,神经网络控制了一个在一个简单的迷宫中移动的角色来找到奖励。经过一百万个试验,具有新的半可调节权重的网络可以找到每个奖励,每次试验的频率可能是一个只有固定权重的网络。半可调节权重的静态部分显然学习了迷宫的结构,而动态部分学会了如何适应新的奖励位置。“这真的很强大,”加州大学计算机科学家伯克利没有参与研究的计算机科学家说,“因为算法可以更快地适应新的任务和新情况,就像人类一样。”

乘车共享公司Uber和纸质领先作者的计算机科学家Thomas Miconi表示,他的团队现在计划解决更复杂的任务,例如机器人控制和语音识别。在相关工作中,Miconi希望模拟“neuromodulation,”即时网络全网调整适应性,以便在新颖或重要的事情发生时使人类进行信息。