新華社洛杉磯１２月１８日電（記者郭爽）美國科學家日前報告說，他們從人類大腦的學習方式中獲得靈感，研發(fā)出一種新的“深度學習”算法，可以讓機器像人類嬰兒一樣自主學習視覺世界。

在深度學習領域，科學家喜歡用“這是１，這是２”的方法來訓練機器。這種被稱為“監(jiān)督學習”的技術，在訓練時需要為機器提供成千上萬標記好的樣本，此前被認為是最有效的方法。

不過，人類并不是這樣學習。在大多數(shù)情況下，人類大腦的學習方式都是“無監(jiān)督學習”。在日前于西班牙巴塞羅那舉行的神經(jīng)信息處理系統(tǒng)（ＮＩＰＳ）大會上，研究人員發(fā)表報告說，美國賴斯大學和貝勒醫(yī)學院的神經(jīng)科學和人工智能專家研發(fā)出一種“半監(jiān)督學習”算法，這種機器學習方式與人類更為接近。

研究負責人安基特·帕特爾解釋說，嬰兒出生第一年，父母會告訴孩子這是水瓶、椅子、媽媽……，但事實上，嬰兒并不能理解這些詞語的意思。多數(shù)情況下，他們是通過與世界互動進行“無監(jiān)督學習”的。

據(jù)介紹，研究人員首先僅向新研發(fā)出的“深度渲染混合模型”提供從０到９這１０個數(shù)字的１０個手寫標準樣本，然后再讓模型去“自學”數(shù)千個樣本數(shù)據(jù)，通過這種“半監(jiān)督學習”算法讓模型學習識別手寫體數(shù)字。最終測試結果顯示，在辨別手寫數(shù)字方面，這種模型比此前幾乎所有算法，即一開始就通過數(shù)千個正確樣本訓練機器“學習”每個數(shù)字的方法更為準確。

研究人員表示，這種“半監(jiān)督學習”算法屬于一種“卷積神經(jīng)網(wǎng)絡”。在這種從生物神經(jīng)元中得到啟發(fā)而設計出的多層人工神經(jīng)元網(wǎng)絡中，人工神經(jīng)元（或稱數(shù)據(jù)處理單元）分層排列。第一層掃描圖像，并執(zhí)行相對簡單的任務，如搜索邊緣和顏色的變化等。第二層負責檢查從第一層輸出的內容，并搜索更復雜的模式。從數(shù)學角度上說，這種在模式內尋找模式的嵌套方法被稱為一種非線性過程。

研究人員指出，從本質上說，卷積神經(jīng)網(wǎng)絡是一個“非常簡單的視覺皮層”。舉例來說，如果給這個網(wǎng)絡輸入一個圖像，那么它的每一層就會處理這個圖像的一部分特征，而隨著層級深入，對于圖像的理解也就不斷加深。到最后一層，這個網(wǎng)絡就會獲得關于這個圖像相當深入且抽象的理解。事實上，現(xiàn)今幾乎所有自動駕駛系統(tǒng)都配備了這種網(wǎng)絡，因為卷積神經(jīng)網(wǎng)絡是迄今最好的視覺處理方法。

研究人員認為，他們研發(fā)出的這種人工神經(jīng)網(wǎng)絡還可以幫助神經(jīng)科學家更好地了解人類大腦處理信息的方式，因為人類大腦的“算法”遠遠優(yōu)于任何人類設計的神經(jīng)網(wǎng)絡。