人工智能的复杂性

  人工智能(AI)使我们在自拍照方面看起来更好,当我们向Alexa求婚时,乖乖地告诉我们天气,并推出了自动驾驶汽车。它是使机器能够从经验中学习并执行类似人的任务的技术。

  总体而言,人工智能包含许多子领域,包括自然语言处理,计算机视觉和深度学习。大多数时候,工作中的特定技术是机器学习,它专注于算法的开发,这些算法可以分析数据并做出预测,并且在很大程度上依赖于人工监督。

  SMU信息系统助理教授孙谦如将训练小型AI模型比喻为教小孩子识别周围环境中的物体。“起初,一个孩子对周围的事物不了解。他可能看到一个苹果,但不认识它,因此他可能会问:“这是香蕉吗?”他的父母会纠正他,“不,这是香蕉。不是香蕉。这是一个苹果。“大脑中的这种反馈然后发出信号,以调整他的知识。”

  Sun教授的研究重点是深度卷积神经网络,元学习,增量学习,半监督学习及其在识别图像和视频中的应用。

  训练AI模型

  由于AI的复杂性,Sun教授在涉足研究项目之前先研究了该领域的一般概念和当前趋势。

  她解释说,有监督的机器学习涉及在标记的数据集上进行自身训练的模型。即,数据被标记以信息,该信息被建立模型以确定,并且甚至可以以模型应该被分类为数据的方式来分类。例如,可以在各种带有标签的苹果图像的数据集上训练旨在识别苹果的计算机视觉模型。

  她解释说:“提供数据,并且数据具有标签。” “一个图像可能包含一个苹果,并且该图像会经过深度AI模型并做出一些预测。如果预测正确,那么就可以了。否则,该模型将遭受计算损失或惩罚,从而可以反向传播以修改其参数。这样,模型就会更新。”

  Sun教授指出,目前,最先进或性能最佳的AI模型几乎都基于深度学习模型。在深度学习中,该模型学习基于包含许多层的深度神经网络体系结构,从图像,文本或声音中执行识别任务。例如,如果输入是图像,则假设可以用不同的空间比例或要素层来描述图像。

  孙教授举例说:“以我的脸为例。以我,别人与众不同的特征是我的眼睛,鼻子,嘴巴作为局部特征,我的脸部形状和肤色作为整体特征。为了进行识别,我可以使用这些特征说“这就是我”。对于机器模型,它在其不同的层中对这些局部和全局特征进行编码,因此可以执行相同的标识。

  训练AI模型需要大量数据才能准确识别。她认为,如果一个AI模型只有一个人的脸部图像,那么识别该人就会犯错误,因为它看不到其他能将该人与另一个人区分开的面部特征。“外观有差异,而AI依赖于高度多样化的数据集,以了解图像的所有差异。”

人工智能的复杂性

  健康促进委员会应用程序

  Sun教授正在从事的项目之一是Food AI ++,它是新加坡健康促进委员会(HPB)的应用程序。用户只需用手机拍摄他们所吃食物的图片就可以确定食物成分数据。该应用程序的目的是帮助用户跟踪所食用食物的营养,并使用该信息来实现健康,均衡的饮食。

  Sun教授和她的团队收集了用户在用餐时拍摄的图像数据,并将其上传到应用程序。观察结果表明,食物图像非常嘈杂,且多种多样,反映了不同的文化。

  她澄清说:“例如,新加坡的华人和马来人的饮食习惯,食物风格和食物种类都不同。” “当我们训练模型时,我们从有限的类别列表开始,但是对于食品应用程序,我们发现必须一直在应用程序编程接口(API)中扩展类别。我们必须不断修改和更新数据集。新加坡丰富的文化多样性是该项目面临的最大挑战之一。”

  除了收集更多的数据外,该团队还致力于领域适应学习算法。在不同的文化中,存在着不同的领域,因此他们必须考虑如何利用有效的学习算法来快速调整其预训练模型。为了对食物图像执行此操作,他们需要开发特定于食物的域自适应算法。他们还需要考虑包括食品知识,以提高多领域模型的整体效率。

  Sun教授说:“我们希望通过在新领域中使用少量数据集来进行这种调整。” “这是一项艰巨的任务,它将使来自不同文化背景的新加坡用户受益。”

  AME中的FANN

  Sun教授目前处于为期三年的项目的早期阶段,该项目称为“用于高级AI系统的快速自适应神经网络(FANN)”。该项目由科学技术研究局(A * STAR)在其高级制造和工程青年个人研究补助金(AME YIRG)的资助下,致力于计算机视觉,例如图像处理,图像识别或物体检测在视频中。计算机视觉算法通常依赖于卷积神经网络或卷积神经网络,这是她的专业领域。

  Sun教授解释说:“这项研究的主要假设是,有可能基于统计水平的知识学习来建立模型适应性的推理水平。” “通过验证这一假设,我们还达到了先进的AI系统的目标,该系统可以在AME领域的应用中训练具有类人智能的机器模型。”

  该研究旨在在自动化视觉检查以及精密制造和高级图像识别技术之间的跨学科知识方面实现高鲁棒性和计算效率。Sun教授相信,当将快速适应的检测设备广泛安装在生产线的设计,布局,制造,组装和测试过程中时,研究的结果将极大地提高良率并降低制造成本。

侵权请联系作者。发布者:admin,转转请注明出处:/kexue/377.html

联系我们

888-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信