类人神经网络再进一步！DeepMind最新50页论文提出AligNet框架：用层次化视觉概念「对齐」人类

AIGC动态欢迎阅读

原标题：类人神经网络再进一步！DeepMind最新50页论文提出AligNet框架：用层次化视觉概念「对齐」人类
关键字：模型,人类,语义,相似性,研究人员
文章来源：新智元
内容字数：0字

内容摘要：

新智元报道编辑：LRS
【新智元导读】DeepMind最近的研究提出了一种新框架AligNet，通过模拟人类判断来训练教师模型，并将类人结构迁移到预训练的视觉基础模型中，从而提高模型在多种任务上的表现，增强了模型的泛化性和鲁棒性，为实现更类人的人工智能系统铺平了道路。近年来，深度学习在人工智能领域，如自然语言处理和计算机视觉方面取得了快速进展，但即便是最强大的模型，也经常会在那些，对于人类说非常简单的case上折戟。
人类感知对环境变化具有鲁棒性，并能在不同的视觉设置中泛化，相比之下，对于深度学习模型来说，如果训练和测试数据集之间的分布发生偏移，其性能往往会急剧下降。
人类在判断视觉相似性时往往能够很好地校准自己的判断，即人类对某个问题的确定性往往与预测准确率成正比，而AI系统则过于自信，即使在预测错误时也表现出高度的确定性。
所以说，在真正实现通用人工智能之前，深度学习模型和人类之间仍然存在诸多差异需要调和、对齐。
值得思考的是，神经网络训练和人类学习在根本上有所不同，其无法像人类一样稳健地泛化，是否是因为其底层表征的相似性的问题？现代学习系统要表现出更像人类的行为，还缺少什么？深

原文链接：类人神经网络再进一步！DeepMind最新50页论文提出AligNet框架：用层次化视觉概念「对齐」人类