李宏毅2019机器学习课程笔记00：机器学习的下一步

机器学习的下一步

在实际中应用机器学习技术，需要面对和解决的难题。

01. 异常检测 Anomaly Detection

机器能不能知道“我不知道”？

例如，对于一个将动物图片进行分类的模型，如果输入一张动漫人物的图片，模型是否会输出“我不知道”。

02. 可解释AI Explainable AI

机器能否说出为什么“我知道”？

03. 对抗攻击 Adversarial Attack

如何防止机器发生错觉？

04. 终身学习 Life-long Learning

人是终身学习的，但今天我们一般只让一个模型学习一个任务，这导致：（1）模型的数量无限增长，（2）之前学到的技能对之后的学习没有帮助。

终身学习(Life-long Learning) 研究如何解决同一模型在学习不同任务时存在的存在灾难性遗忘(catastrophic forgetting)问题。

05. 元学习 Meta-Learning

学习如何学习。
写出一个程序，这个程序能够写出具有学习能力程序。

06. 小样本学习 Few-shot Learning、零次学习 Zero-shot learning

根据很少的样本进行学习。

07. 强化学习 Reinforcement Learning

强化学习真的能用吗？

08. 网络压缩 Network Compression

把大的神经网络缩小，或者把神经网络的参数二元化。

09. 无监督域适应 Unsupervised Domain Adaptation

应对训练数据和测试数据的分布不同。