科技動態(tài):人工智能:有助于更好地理解潛在的機制

隨著科技的發(fā)展，很多新科技的誕生許多朋友無法了解，相信通過人工智能:有助于更好地理解潛在的機制這篇文章能幫到你，在和好朋友分享的時候，也歡迎感興趣小伙伴們一起來探討。

借助于人工神經(jīng)網(wǎng)絡(luò)，圖像中復(fù)雜特征的自動識別已經(jīng)成為現(xiàn)實。利用這一技術(shù)的軟件有Facebook的自動標簽系統(tǒng)、谷歌的圖像搜索引擎以及自然主義者使用的動植物識別系統(tǒng)。我們知道這些網(wǎng)絡(luò)是受到人類大腦的啟發(fā)，但它們的工作機制仍然很神秘。

SISSA與慕尼黑工業(yè)大學(xué)聯(lián)合進行的一項新研究為第33屆NeurIPS年度會議提出了一種研究深度神經(jīng)網(wǎng)絡(luò)的新方法，并為這些網(wǎng)絡(luò)能夠進行的圖像精細處理過程提供了新思路。

與在視覺系統(tǒng)中發(fā)生的事情類似，用于自動圖像識別的神經(jīng)網(wǎng)絡(luò)通過一系列處理階段逐步分析內(nèi)容。然而，到目前為止，還不完全清楚是什么機制使深層網(wǎng)絡(luò)達到其非凡的精確度。

“我們已經(jīng)開發(fā)了一種創(chuàng)新的方法來系統(tǒng)地測量在深層網(wǎng)絡(luò)的不同層中編碼的信息的復(fù)雜程度——即所謂的圖像表示的內(nèi)在維度，”SISSA的神經(jīng)科學(xué)家Davide Zoccolan和物理學(xué)家Alessandro Laio說。“多虧了物理學(xué)、神經(jīng)科學(xué)和機器學(xué)習(xí)等領(lǐng)域?qū)＜业耐献?，我們成功地利用了一種原本在另一個領(lǐng)域開發(fā)的工具來研究深度神經(jīng)網(wǎng)絡(luò)的功能?！?/p>

SISSA的科學(xué)家與慕尼黑工業(yè)大學(xué)的Jakob Macke合作，研究了從用于圖像分類的神經(jīng)網(wǎng)絡(luò)獲取的信息是如何處理的:“我們發(fā)現(xiàn)，圖像表征經(jīng)歷了一個漸進的轉(zhuǎn)變。在早期處理階段，圖像信息被忠實而詳盡地表示出來，從而產(chǎn)生了豐富而復(fù)雜的表示。在最后的處理階段，信息從根本上簡化了，產(chǎn)生了幾十個參數(shù)支持的圖像表示，”兩位科學(xué)家解釋道?！傲钊梭@訝的是，我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的分類精度與它的簡化能力緊密相關(guān):它越簡化信息，就越精確。”

這對SISSA來說是一個特別重要的結(jié)果，SISSA最近啟動了一個數(shù)據(jù)科學(xué)的新研究項目，其目標是研究和開發(fā)用于處理復(fù)雜和大型數(shù)據(jù)集的創(chuàng)新算法。