“拨开迷雾看人工智能”-迁移学习才是AI的未来

 
  上一期，我们为你介绍了有了它，AI也能撩妹的强化学习。这一期，我们将为你介绍人工智能的未来——迁移学习。
 
 
  什么是迁移学习？
 
 
  迁移学习（Transfer Learning）的含义与字面意思一样，易于理解，就是把在A领域已经建立好的模型或者经验，迁移到B领域仍然适用，既节省了资源和时间，又高效地完成了任务。
 
 
  人工智能中的迁移学习，就像我们学习知识和技能中的“举一反三”。例如，我们一旦学会骑自行车以后，再学习骑摩托车就容易很多；学会了数学公式，再学习解物理问题，就迎刃而解；先学会了打壁球，再去学习打网球等等。迁移学习就是人工智能“举一反三”的过程。
 
 
  
                
                
 
 
  迁移学习能解决哪些问题？
 
 
  迁移学习主要解决两类问题。
 
 
  一类是在数据样本量小的行业中，人工智能学习的问题。比方说我们准备新开一个售卖零食的网店，由于没有数据积累，无法从售卖其他商品的网店推荐顾客来购买，这时候如果我们知道顾客买饮料的时候很有可能也会买零食，并且卖饮料的网店已经积累了大量数据，就能够利用这些数据，结合顾客买饮料和零食的习惯建一个模型。然后，把饮料的推荐模型迁移到零食的领域，这样就可以成功推荐顾客购买可能喜欢的零食。
 
 
  这个例子足以说明迁移学习的应用前提，即至少包括两个领域，一个领域已经积累了足够多的数据，能够成功地建立算法模型；另外一个领域数据量不大，但是和前面那个领域是相互关联的，这时就可以把前一个领域的模型迁移过来给后一个领域使用。
 
 
  第二类是通用与个性化问题。举例说明，我们平时在使用手机的时候，希望它能够记住我们的一些生活习惯以方便使用，怎么才能做到呢？通过迁移学习，可以把常规用户A使用手机的常见习惯，建立成为通用模型，当其他用户使用的时候，可以迁移通用模型到其个性化的数据中。这样，A用户的常见习惯就“迁移”成为了所有同类型用户的“公共习惯”，让所有人操作手机的时候都能够更方便快捷。
 
 
  迁移学习是人工智能的未来
 
 
  关于迁移学习在上面所说两类问题中的应用，百度的首席科学家吴恩达教授十分重视，他甚至认为迁移学习是未来五年中人工智能的重要发展方向。
 
 
  因为现阶段的人工智能需要从海量数据中进行学习，但是对于很多特定垂直的领域而言，其数据并不足够支持AI学习，这时候就需要迁移学习来发挥巨大价值。比如在语音识别中，虽然识别普通话有海量数据可供人工智能学习，但是对于方言，其样本数据量就不够。所以，为了针对数据量不那么多的方言进行语音识别，百度需要把从学习普通话中得到的知识迁移到学习方言过程中，才能完成比较准确的语音识别。
 
 
  Google的机器人和无人驾驶汽车就是使用了迁移学习进行训练，通常会建设一个仿真的环境（数字虚拟），在场地中安排数百个机器人或虚拟无人汽车同时训练，可以极大提高人工智能的学习效率，并且不用担心损耗问题。当Google通过这样的方式训练出一个能够在仿真环境中干家务的机器人时，那么把它的智能迁移到实体的机器人中，这个机器人再经过一定训练后也就可以做家务了。
 
 
  
                
                
 
 
  这对传统机器人行业带来的冲击是巨大的。因为传统机器人的控制方法都依赖于人工，需要对每一种机器人进行编程；而通过迁移学习的方式，机器人可以把在仿真环境中学会的知识运用到真实的环境。这将为智能时代制造和训练机器人创造了最好的工具。
 
 
  小结：
 
 
  迁移学习就是人工智能“举一反三”的学习过程，它可以把在A领域已经建立好的模型或者经验，迁移到B领域中仍然适用，既节省资源和时间，又高效完成任务。
 
 
  对于数据量较少的特定垂直领域而言，迁移学习可能是其实现人工智能化的最佳途径。
 
 
  预告：
 
 
  下一篇，我们继续为你分享人工智能在语音识别中的应用现状。