澎湃新闻|图灵奖得主辛顿谈无监督学习问题根源:忽略数据间关联捕捉
澎湃新闻采访人员 张唯
7月27日上午 , 近来鲜少露面的图灵奖获得者、多伦多大学计算机科学系名誉教授杰弗里·辛顿(Geoffrey Hinton)在第43届国际信息检索大会(SIGIR 2020)上作为首位主题演讲者 , 进行了题为“神经网络的新时代(The Next Generation of Neural Networks)”的主题报告 。
他在报告中回顾了无监督神经网络的发展历史 , 结合表达学习模型的进化历程 , 指出当前无监督学习方法所面临问题的根源在于:过度关注数据的重构损失(Reconstructive Loss) , 忽略了对数据间关联关系的捕捉 。
【澎湃新闻|图灵奖得主辛顿谈无监督学习问题根源:忽略数据间关联捕捉】基于此 , 他提出了下一代神经网络模型的构想 , 提出利用对比损失函数(Contrastive Loss)建模样本间的局部关系、增强数据间表达的一致性的解决思路 。
杰弗里·辛顿演讲视频截图
杰弗里·辛顿被称为“神经网络之父” , 出生于1947年12月6日 , 是加拿大认知心理学家和计算机科学家 。 辛顿1970年毕业于剑桥国王学院 , 随后在英国爱丁堡大学获得人工智能博士学位 。 2019年3月 , 因对人工智能的繁荣发展奠基 , 杰弗里·辛顿、约书亚·本吉奥(Yoshua Bengio)和杨立昆(Yann LeCun)三人被授予2018年的图灵奖 。
值得一提的是 , 杰弗里·辛顿近来很少在公开演讲中出现 。 2020年6月18日 , 他在个人推特上表示 , 因为发现之前对感知学习想法的“致命错误” , 推掉了一段时间内接受的所有报告 。
杰弗里·辛顿在7月27日的报告中回顾了三种不同类似的学习模式 , 即监督学习(学习在给定输入向量时预测输出)、强化学习(学习找出一个能够使收益最大化的选择)和无监督学习(在不提供监督信息的条件下进行学习) 。
辛顿在报告中解释为什么需要无监督学习 。 他指出 , 人类大脑有10^14个神经元连接 , 而生命的长度只有10^9秒 , 因此人类是无法完全依赖有监督学习的方法完成所有神经元训练 , 而需要更多来自于无监督学习的帮助 , 受此启发 , 构建智能的机器模型也应综合考虑监督与无监督方法进行协同训练 。
报告最后 , 他还展示了上述构想的一种具体实现方案SimCLR , 应用该方案能够显著提升下游图像分类任务的效果 。
责任编辑:李跃群
校对:丁晓
推荐阅读
- “黑格比”逼近,浙江渔船开渔一天后回港、移场避风
- 界面新闻除了看得见的,奔驰EQC背后还隐藏着这些“看不见”的豪华
- 中年北斗系统发言人答封面新闻:北斗定位精度最好可达1点几米
- 上游新闻|精度达到2-3米,北斗系统发言人:中国北斗攻克160余项关键技术
- 央视新闻客户端|昌平线南延新进展!“巨无霸”上清桥站明年底完工
- 央视新闻客户端|新加坡要求部分入境者佩戴电子追踪器
- 看看新闻|高考女孩填志愿 30多位“爸爸”争相出主意
- 央视新闻客户端|教育部、国家邮政局联合发布:坚决杜绝录取通知书丢失损毁
- 央视新闻客户端|北斗系统工程新技术应用超过70%
- 央视新闻客户端|大连卫健委:未发现本次疫情与近期北京新疆病例有关联