今天在一些问题感觉机器还是做的跟人有一定距离,因此我们开始怀疑这是不是机器的极限到了。其实不然,因为机器收集信息还是不够,现在机器学习在学习过程中只是从事物一个方面入手去抓特征来进行识别,而人类却不仅仅是根据当前信息来作出判断或给出答案,这些答案还可能源于我们很多经验得到,那么什么是经验呢?其实就是 context ,而机器却少了这个不断积累的 context。所以现在才有了 lifelong learning 概念。但是要作出带有 context 这么庞大模型暂时来看还是不显示。其实将具体物体识别模型例如 faster-RCNN 实现模型作为一个节点,可以完成其他任务的模型看成一个节点,没有节点都有自己擅长做的事,对于一些任务我们就不再单单依靠一个模型,而是将他们集成来完成任务,那么谁来组织这些节点,而且如何组织这些节点给他们分配任务成为现在我们要设计的关键点。
网友评论