為了更好應對失序環境,神經網路現在也要學物理了

By | 2020年6月29日

IM體育優惠過去幾年間,深度學習的進步已帶來許多嶄新的AI 應用,但其中仍有許多局限存在,為了推動相關技術發展,科學家打算更進一步讓人工神經網路向人類看齊:學習物理。北卡羅萊納州立大學非線性AI 實驗室(NAIL)研究人員發現,透過教導神經網路物理知識,可以讓它們更好適應環境中的混亂,未來或許還能改善從醫療診斷到無人駕駛的AI應用。

IM體育優惠

IM體育優惠

以目前來說,神經網路主要是使用大數據訓練,透過大量資訊調整數字權重和偏差,最小化實際輸出與期望值間的差異,直到答案更接近人所認為的現實情況,借以模仿人類自然神經元進行判斷的行為。然而這種訓練方式也有其缺點存在,也就是所謂的混沌失明(chaos blindness):在某些時刻,AI 系統就是無法做出預測,或對系統中的混亂做出反應。

IM體育紅包

IM體育紅包

在《物理評論E》(Physical Review E)的最新論文中,NAIL研究人員或許已經找到解答。團隊發現,發現,哈密頓函數(Hamiltonian function)似乎能幫助神經網路解決這個盲點,在學習哈密頓函數后,神經網路開始能發現系統中的混亂并做出相應的調整。

發表評論

電子郵件地址不會被公開。 必填項已用*標注