首页 > > 60

機器學習與人類學習

2019-02-11
来源:香港商报

   

  原來為了有關製作,該片的製作組先花了3個月時間,去找出有關演員20歲時的模樣,然後再交由不同組別的專業人士去處理模型、肌肉,以及調校現場的燈光變化,再以機器學習還原他們年輕時的面孔。

  現時機器學習常被應用在各個領域。除了以上的換臉例子之外,其他常見的應用還包括自然語言處理、網上翻譯、語音辨識、垃圾郵件自動判定、影片推薦及影像分類等等。

  機器學習的限制

  簡單來說,機器學習可以定義為「讓機器學習如何將輸入的資料(X)透過一系列的運算,轉換成指定的輸出(Y),並提供一個衡量成功的方式,讓機器知道怎麼修正學習方向」。根據這個定義基礎,我們可聯想到機器學習的現實例子,例如在推薦系統的應用上,將使用者過去的購買紀錄(X),轉成使用者可能想要購買的商品列表(Y)。在垃圾郵件判斷上,將郵件內文(X),轉成該郵件為垃圾信的機率(Y)。

  近年因為電腦有強大的記憶及運算能力,機器學習在很多任務上都已經超越人類的表現。然而,機器並沒有意識判斷「為什麼」及何謂「正確」。實際上,在機器學習的過程中,機器並沒有意識到為什麼要完成任務;而如果沒有人類的介入的話,電腦也不會自己定義該往什麼方向學習,例如電腦不會自己自動自覺地說:「因為今年是豬年,我覺得把相片裏面的豬識別出來,比識別出交通燈來得重要。」

  因此,在未來的發展上,不管學習的是機器還是人類,最重要的課題也許是學習如何去概括(Generalize)事物並避免過適(Overfitting),即只學到事物表象的問題。

  英國切斯特大學金融科技及數據分析教授梁港生(逢周一刊出)

[责任编辑:程向明]
网友评论
相关新闻