刘文斌怎么样 http://m.39.net/baidianfeng/a_8498658.html

作者：申淼来源：国防科技要闻、装备参考

机器学习（ML）和人工智能（AI）系统近年来已取得显著发展。然而，目前它们仅限于执行那些专门为其设计的任务，无法适应超出程序设计或训练以外的情况。为此，受生物系统的启发，美国国防高级研究计划局（DARPA）于年首次公布其“终身学习机器”（L2M）项目，旨在开发全新的ML方法，使系统能够不断适应新环境而不会忘记以前的学习内容。目前，该项目研究团队已取得重大研究突破。

项目目标

L2M项目经理HavaSiegelmann表示，对于L2M项目而言，DARPA并非计划对先进的AI和神经网络进行增量式改进，而是寻求改变范式的ML方法，使系统能够根据经验不断改进。

两个技术

研究领域

目前DARPA已选定研究团队，重点研究两个技术领域。第一个技术领域致力于开发完整的系统及其组件；第二个技术领域将探索生物有机体的学习机制，目标是将其转化为计算过程。预计这两个技术领域的发现将有助于形成新的方法论，使AI系统能够在任务过程中不断学习和改进、将先前的技能和知识应用于新的情况、整合先天的系统局限性以及增强自动化作业的安全性。

最新研究

进展

目前，L2M研究团队致力于研究计算系统如何能够实时适应新环境而不会丢失之前的知识。加州大学欧文分校的一个研究团队计划研究海马和大脑皮层的双重记忆结构。该团队试图创建一种能够通过对比现有记忆输入来预测潜在结果的ML系统，这将使系统在保留之前学习内容的同时变得更具适应性。

塔夫茨大学研究小组正在研究在蝾螈等动物中观察到的再生机制，以研究能够在任务过程中通过改变其结构和功能来适应环境变化的柔性机器人。

怀俄明大学的一个研究团队将根据生物记忆重组方法开发一种计算系统。该系统使用语境来甄别可与新的感觉输入进行重组的、合适的模块化记忆，以快速形成适应新情况的行为。

虽然L2M项目仍处于早期阶段，但哥伦比亚大学工程学院霍德·利普森博士领导的团队已经取得了研究成果。他们最近发现并解决了与构建和训练自我复制的神经网络相关的挑战，并将其成果发表于ArvixSanity。虽然神经网络可以通过训练产生几乎任何一种模式，但矛盾的是训练一个网络来复制其自身的结构却很困难。随着网络的不断学习，它会发生变化，目标也会不断变化。

今后，该团队将致力于开发一种可利用其自身结构进行适应和改进的系统。团队在自我复制神经网络方面所开展的研究工作只是实现终身学习突破的众多方法之一。

Siegelmann表示，相比于对现有系统进行增量式改变，L2M项目需要更多创造性的研究活动。L2M旨在使AI系统能够从经验中学习，使其比现有的AI更智能、更安全、更可靠。

??往期文章推荐

投稿邮箱：liuyali

长按下方