发展通用智能，需要无监督学习

https://mp.weixin.qq.com/s?__biz=MjM5NTg0NDE1Mw==&mid=2652601098&idx=3&sn=0dedb8212884d4114bbced061606f094&chksm=bd1d825c8a6a0b4ac063d1f158e58d284a027f7ac4b5b56b356017c5c0685a4153364714034b&scene=27#wechat_redirect

 

在过去十年中，机器学习在图像识别、自动驾驶汽车和围棋等领域取得了前所未有的进步。这些成功在很大程度上是靠监督学习和强化学习来实现的，这两种方法都要求由人设计训练信号并传递给计算机。

 

在监督学习的情况下，这些是“目标”（例如图像的正确标签）;在强化学习的情况下，它们是成功行为的“奖励”（例如在Atari游戏中获得高分）。因此，强化学习也可以被认为是一种监督学习，这两者构成了当前机器学习的主要学习方式，也为机器学习构建了一个极限：人类训练师和数据量决定了机器学习深度和精度。

 

很显然，机器学习如今遇到了瓶颈，无论是人类训练师还是数据量，都难以支撑机器学习更进一步的发展出高水平的人工智能，更不用提通用智能，人类和数据成为了通用智能发展的阻碍，无监督学习则是这一难题当前唯一的答案。

 

什么是无监督学习？在知乎上有人答到：是否有监督就看输入数据是否有标签，输入数据有标签，则为有监督学习；输入数据没标签，则为无监督学习。

 

换句话说，就像是幼儿学习，不仅有指导（监督学习）和鼓励（强化学习），还应该有自由探索世界的能力，不需要人为的干预，这就是无监督学习。这就是为什么，如果要让AI脱离人类发展成出通用智能，必须要让它掌握无监督学习的技能。

 

无监督学习的收益是巨大的，加州大学伯克利分校（UC Berkeley）人工智能研究院（BAIR）最新公布一项研究成果显示，通过让机器人在无监督学习的情况下与环境交互，进而建立一个可预测因果关系的视觉模型，无监督学习可以让机器人具备一种“通过模仿及互动模式来学会如何使用工具”的能力，在训练之后，机器人尽管遇到先前从没见过的工具，一样会知道如何使用。

 

这意味着未来机器人能够使用多个物体来完成复杂的多对象任务，甚至可以在新场景下使用即兴工具，从而构建起真正具有通用智能的机器人。

 

作者：崔昊（阿里云研究中心专家） 

责编：张晶晶