AI也有“健忘症”？不仅有，科学家还提出解决深度学习效率低下的良策

如今，人工智能（AI）已经渗透在我们的日常生活之中，无论是自动驾驶车，还是人脸识别，还有非常方便快捷的语音转文字功能，都是AI的应用踪迹。但有时也会发现AI并非想象中的那么智能，经常是学了新东西就把旧知识抛之脑后，那么如何解决这种现象呢？科学家们提出了新对策。

近日，加州大学欧文分校生物科学学院的研究人员的发现可能有助于解决AI认知障碍。目前他们的研究已经发表在《美国国家科学院院刊》上。

科学家们发现，人工神经网络（ANNs）是一种类似于人类大脑神经元的算法，它可以吸收大量信息并对其分类。但与我们的大脑不同之处在于，当新鲜知识引入太快时，人工神经网络往往会忘记过去的知识，这种现象被称为灾难性遗忘（catastrophic forgetting）。

传统上，深度机器学习中使用的解决方案是在整个过去的数据集上重新训练网络，无论它是否与新信息密切相关，这是一个非常耗时的过程。科学家们决定更深入地研究这个问题，并取得了一个显著的发现。

科学家们发现，如果在ANNs中穿插一个小的旧信息子集的话，这种“灾难性遗忘”的现象便不会出现。原理也很简单，如果ANNs中存在一个与信息相关的认知框架，那么就能够快速吸收新鲜信息，还能盘活旧知识。

研究人员称，了解学ANNs习背后的机制是取得进展的关键。我们可以为那些因衰老而有记忆问题的人或有脑损伤的人制定训练策略。它也可能导致操纵大脑回路的能力，以便人们能够克服这些缺陷。

这些发现也有助于提高医疗诊断设备、自动驾驶汽车和许多其他机器中算法的精确性和高效性。

前瞻经济学人APP资讯组

论文原文：

https://www.pnas.org/doi/full/10.1073/pnas.2115229119