详细内容或原文请订阅后点击阅览
DARPA 正在寻找能够一直学习的人工智能
DARPA 正在寻求通过其 L2M 计划（即“永远在线的计算机学习”）改变人工智能的运行方式。该机构正在寻找能够不断学习、适应新挑战并知道学习内容和时间的系统。 “我们希望将自动化系统的可靠性与人类的灵活性结合起来，”项目总监 Hawa T. Siegelmann 说道。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）DARPA 正在寻求通过其 L2M 计划（即“永远在线的计算机学习”）改变人工智能的运行方式。该机构正在寻找能够不断学习、适应新挑战并知道学习内容和时间的系统。 “我们希望将自动化系统的可靠性与人类的灵活性结合起来，”项目总监 Hawa T. Siegelmann 说道。
该计划预算为 6500 万美元，已选定 16 个小组开展为期 4 年的项目。不过，Siegelmann 表示，仍然可以提供 12 或 18 个月的项目。
人工智能的一个大问题源于当今使用的框架。神经网络是适应性强的系统，其学习能力来自于改变人工神经元之间的连接强度。如今，这些网络接受了汽车和人物图像等数据集的训练。然后记录网络连接的强度，系统在现实世界中运行。
当AI在识别训练中遇到以前没有使用过的情况时，问题就会出现。如果不进行重新训练，系统将一遍又一遍地重复同样的错误。人工智能系统无法立即在工作场所进行再培训。西格曼在 IEEE 重新启动计算会议上报告说，尝试在现代系统中执行此操作会导致一种称为“灾难性遗忘”的现象。当学习一个新元素扰乱系统的所有其他认知和行为时，就会出现一种情况。
即使人类在面对新事物时也会经历生产力下降，但我们可以通过这个过程恢复。如果你将篮球筐提高 30 厘米，球员会经常投失，但随着比赛的继续，他们将学会在新的高度击中目标。教练不需要停止比赛并重新教授球队所有技术。