如果沒有深度學習，當前的人工智慧革命可能不會存在。然而，儘管這些演算法很強大，但該方法也存在缺陷：人工智慧需要時間和大量數據來學習。因此，人工智慧需要數千張貓的照片和影片才能以令人滿意的錯誤率識別貓。人工智慧需要記住貓的大小、形狀、紋理、光線，並記住貓可能的位置，才能準確地區分貓。
就他而言，概括地說，人類透過建立關於貓是什麼的「想法」來學習。也就是說，他學會感知每次都會發現的一組標準，但如果缺少其中一些元素，這不會妨礙他辨別小貓。
節省時間並需要更少的數據...
波士頓新創公司 Gamalon 剛剛宣布了一種新的人工智慧學習方法，該方法允許機器模仿我們學習和做事的方式，而無需人類監督這個通常漫長而乏味的階段。
其結果是既節省了時間，又減少了訓練期間對資料的需求。為了實現這一壯舉，這家年輕的公司使用了一種稱為貝葉斯程序綜合的技術。
根據 Gamalon 的說法，這使得機器能夠使用數學框架“在概念層面上進行推理”，從而可以根據現實世界的經驗來完善預測。
Gamalon 工程師指出，他們使用的程式設計將使用機率而不是特定變數來建立預測模型，從而可以理解和解釋一組資料。所以機率演算法可以確定貓很可能有耳朵、鬍鬚和尾巴。
....使用更少的電力
更好的是，Gamalon 的解決方案允許電腦動態編寫和修改貝葉斯程式。因此，繪圖軟體能夠學習識別物體，然後繪製它們，這家年輕公司的創始人本·維戈達（Ben Vigoda）宣布。更令人印象深刻的是，目前正在由新創公司用作演示的整個軟體在平板電腦上運行，而不是在超級電腦上運行。
在學習期間節省的時間和人工智慧重寫部分程式碼以適應不同用途和情況的可能性之間，很明顯，Gamalon 設想的機率編程提供了令人難以置信的潛力。
這可以簡化研究人員和公司的生活，他們不再需要大量工作來完善學習模型，也不需要開發人工智慧的所有模組來滿足他們的需求，因為已經設計的模組可以重複使用和調整。至少理論是這麼說的。
多個用例？
Gamalon 已經提供了兩種使用其技術的產品。其中之一是 Gamalon Structure，它允許人工智慧識別文字內容中的「概念」。我們在這裡討論的是強烈且可能的相似之處。例如，如果我們提交一份商店庫存清單——該清單沒有經過人工返工和專門標記，這是準備深度學習的繁重任務之一——人工智能將能夠理解“高清電視”和“全高清電視”描述指的是同一類型的產品。一種檢脩大量庫存的方法。同樣，透過分析產品表，人工智慧能夠了解它是什麼類型的設備，然後對其特徵進行分類。例如，對於電視，它可以識別螢幕尺寸、面板技術、不同的連接等。
如果這項技術被證明適用於其他用途，它可以讓人工智慧更輕鬆地控制環境。因此，這可以促進機器人在複雜環境中的部署。或者讓自動駕駛汽車上路，不需要看到數千個障礙物就能辨識出其中的一個。
人工智慧與隱私相容？
這也將使人工智慧能夠了解您的偏好和習慣，而無需共享您的用戶資料來提供可用的資料集。這樣，您的個人資訊將保留在您的智慧型手機或電腦上，並且相關服務將保持相關性。因此，當前需要在隱私和人工智慧的好處之間做出選擇的困境將被淘汰……這讓人想知道。
到目前為止，像蘋果這樣的巨頭，在保護我們的數據的同時，尋求在人工智慧領域迎頭趕上，不得不選擇差別隱私。這種新方法可以為他們提供新的機會，並避免屈服於誘惑檢索更多我們的信息。在庫比蒂諾，我們可能想知道 Gamalon 是否出售？
來源 ：
麻省理工科技評論
