AD
计算机算法通常需要成千上万个例子才能学会一件事情，但谷歌DeepMind的研究人员却找到一种绕过这一流程的方法。
最好的算法的确能够可靠地识别物体，但由于需要庞大的数据，所以非常耗费时间和金钱。例如，想要让算法识别出道路上的汽车，就需要为其提供成千上万个例子才能在无人驾驶汽车中实现可靠的准确率。但要收集如此多的数据通常并不实际——例如，不可能为了让一个机器人在一套不熟悉的房子里行走而为其提供长时间的学习机会。
谷歌DeepMind研究员奥里奥尔 温亚尔斯在深度学习系统中增加了一个记忆组件。该团队利用一个名为ImageNet的标记图片数据库对该系统的能力进行了验证。
这套软件仍然需要分析数百种图片，但此后却可以学会用一张照片识别新的物体。它本质上是通过分析图片中的独特元素来完成识别任务的。这种算法只需要看一个例子，便可达到近似于传统深度学习系统的准确率。
温亚尔斯称，如果能够快速识别出一个新单词的意思，这项技术的用途便会得到明确体现。这对谷歌非常有用，因此该公司可以借此快速学习某个新的搜索项的含义。
格什曼和Sang Wan Lee都表示，机器要在学习能力上比拼人类，仍然要经过一段时间的发展。
来源：《智能世界》
