2016 深度學(xué)習機器人領(lǐng)域最新應用及趨勢總結
尚待解決的DL問(wèn)題
本文引用地址:http://dyxdggzs.com/article/201608/295483.htm一個(gè)經(jīng)常提到的問(wèn)題是如何將訓練后的深度學(xué)習系統整合進(jìn)應用于現實(shí)世界的機器人產(chǎn)品,不論是家用機器人還是自動(dòng)駕駛汽車(chē)。絕大部分講者認為,將測試中的每一個(gè)可能情形列舉出來(lái)是不可能的,因此必須設定一些標準的故障容差數據集。Scheirer將容差與工廠(chǎng)里依靠統計模型進(jìn)行測試作類(lèi)比。NicholasRoy則認為基于模型的方法更好。
WalterScheirer從數據的角度討論了CNN魯棒性低的問(wèn)題。CNN顯然適用于單個(gè)圖像分類(lèi)任務(wù),但魯棒性低有時(shí)候確實(shí)是個(gè)問(wèn)題。Scheirer借用心理物理學(xué)(Psychophysics)評價(jià)神經(jīng)網(wǎng)絡(luò )的方式,測試識別模糊圖像和遮擋問(wèn)題。結果得到了很多性能一流的網(wǎng)絡(luò ),結果分辨率用人眼看也沒(méi)有什么顯著(zhù)降低。因此,Scheirer指出,CNN在圖像識別方面性能“超人”,但應用起來(lái)表現不好,實(shí)際上是參數沒(méi)有設置好,導致算法魯棒性評估出了問(wèn)題。
在討論中還出現了很多有趣的問(wèn)答。有人問(wèn)我們用人類(lèi)使用的數據訓練機器,這樣的機器是否能夠擁有超過(guò)人的能力,OliverBrock回答說(shuō)“AlphaGo”。另一個(gè)則是研究中在線(xiàn)訓練時(shí)間的問(wèn)題,有人問(wèn)網(wǎng)絡(luò )線(xiàn)下訓練的權重是否重要時(shí),Raia回答說(shuō)“是”。不過(guò)她之后具體闡述了這個(gè)問(wèn)題,也是谷歌DeepMind在強化學(xué)習研究中的核心問(wèn)題。
總結
最后,Pieter說(shuō)相比以前,人腦也沒(méi)有得到很明顯的進(jìn)化,但除了吃喝,我們還從中“得出”了很多充滿(mǎn)智慧的發(fā)展。
評論