(資料圖片)

如今，人工智能（AI）已經滲透在我們的日常生活之中，無論是自動駕駛車，還是人臉識別，還有非常方便快捷的語音轉文字功能，都是AI的應用蹤跡。但有時也會發現AI并非想象中的那么智能，經常是學了新東西就把舊知識拋之腦后，那么如何解決這種現象呢？科學家們提出了新對策。

近日，加州大學歐文分校生物科學學院的研究人員的發現可能有助于解決AI認知障礙。目前他們的研究已經發表在《美國國家科學院院刊》上。

科學家們發現，人工神經網絡（ANNs）是一種類似于人類大腦神經元的算法，它可以吸收大量信息并對其分類。但與我們的大腦不同之處在于，當新鮮知識引入太快時，人工神經網絡往往會忘記過去的知識，這種現象被稱為災難性遺忘（catastrophic forgetting）。

傳統上，深度機器學習中使用的解決方案是在整個過去的數據集上重新訓練網絡，無論它是否與新信息密切相關，這是一個非常耗時的過程。科學家們決定更深入地研究這個問題，并取得了一個顯著的發現。

科學家們發現，如果在ANNs中穿插一個小的舊信息子集的話，這種“災難性遺忘”的現象便不會出現。原理也很簡單，如果ANNs中存在一個與信息相關的認知框架，那么就能夠快速吸收新鮮信息，還能盤活舊知識。

研究人員稱，了解學ANNs習背后的機制是取得進展的關鍵。我們可以為那些因衰老而有記憶問題的人或有腦損傷的人制定訓練策略。它也可能導致操縱大腦回路的能力，以便人們能夠克服這些缺陷。

這些發現也有助于提高醫療診斷設備、自動駕駛汽車和許多其他機器中算法的精確性和高效性。

前瞻經濟學人APP資訊組

論文原文：

https://www.pnas.org/doi/full/10.1073/pnas.2115229119

標簽： 深度學習