原作者：University of Leicester
译者：彭婷
概要：纠正人工智能的错误通常需要相当长的时间，但是在莱斯特大学新研究的帮助下，它的错误可以立即被纠正。
莱斯特大学数学系的研究人员在 Neural Networks 杂志上发表了一篇文章，这篇文章概述了在不影响现有技能的基础上，可以让AI收集错误报告并立即对其进行纠正的新的算法的数学基础（这个新的算法同时还会积累可用于将来的版本或更新的一些修改。）
在不损坏已获知识的前提下，这本质上可以使机器人能够即刻纠正错误，同时它们可以有效地从错误中“学习”并最终可以相互之间传播新的知识。
这些算法被工业合作伙伴ARM应用到一个系统中去了，一个AI校正器，它能够即时提升传统AI的性能。
ARM是世界上最大的半导体IP提供商，是目前90％以上智能电子产品的首选架构。
莱斯特大学数学系的Alexander Gorban教授说：“迄今为止，人工智能大数据分析系统的多个版本已经部署到了数百万台不同平台的计算机和小工具上。它们在不均匀的网络上运转与互动。
“亚马逊，IBM，Google，Facebook，SoftBank，ARM等众多工业技术巨头都参与到这些系统的开发中。虽然性能有所提高，但它们有时候会产生错误的警报，错误的检测或错误的预测。因为大数据固有的不确定性，所以这些错误是不可避免的。
“人类可以立即从错误中吸取经验教训，并不再犯同一个错误（至少，人类当中的佼佼者可以做到），这似乎是非常自然的。但是如何让人工智能具备这种能力，这却是一个很大的问题。
很难在AI 运行时纠正一个大型的AI系统，更难的是在没有停止的情况下完全纠正它的错误。
“我们最近发现了一个也许可以解决这个问题的方法。在这项工作中，我们证明了，在高维度甚至指数级的大样本中，经典Fisher形式的线性分类器足够强大，以至于它可以将错误与正确的响应以高概率分离并为非破坏性的校正问题提供有效的解决方案。”
在廉价，快速和局部的修正程序中，迫切需要在校正过程中不会损害AI系统的重要技能。
机器学习的迭代方法对于大数据和庞大的AI系统来说并不便宜，因此研究人员建议校正器应该与重新配置和合并局部校正所需的可逆校正器非迭代。
莱斯特大学数学系的Ivan Tyukin博士说：“由于以下几个原因，重新训练系统往往行不通：它们十分庞大，所以重新训练需要大量的计算资源或者很长时间或者二者都需要;仅仅在出现错误的位置局部地重新训练系统几乎是不可能的；我们可以修复一件东西，但是它的代价可能是要破坏另一件东西，这会造成重要技能的消失。
为大数据挖掘而开发的可持续的大型智能系统需要创建用于快速无损、非迭代和可逆校正的技术和方法。但是直到现在都没有这样的技术。”
研究人员发现并证明了随机分离定理，这为大型智能数据分析系统的校正提供了工具。
通过这种方法，如果AI在犯错后能够重新学习，并不再犯错，那么AI的即时学习是可能的。
这项研究的一部分由Innovate UK 通过 Knowledge TransferPartnership资助：ARM/ Apical有限公司与莱斯特大学之间的合作项目KTP009890以及视觉管理系统有限公司与莱斯特大学之间的合作项目KTP010522。
知识转移伙伴关系（KTP）计划有助于企业创新和发展。而这个是通过让它们与大学以及毕业生一起处理具体项目实现的。
来自ARM的计算机视觉，影像与视觉集团研发总监Ilya Romanenko博士表示：“一个这样的系统对于向客户和最终用户提供大规模AI服务来说是不可或缺的，特定于客户的AI设备的使用产生的是特定于客户的错误，最终用户是无法接受这种情况的。重新培训核心AI来处理这些错误在技术上具有挑战性，并且还具有潜在的风险。新近训练的用来避免具体错误的AI可能会表现出一些意想不到的行为。在这种情况下，随着人工智能部署规模的增大，问题的规模呈指数级增长，因而，它几乎不可能发生。
“新技术能够完全消除这些障碍，使AI启动的设备在错误删除过程中协同工作，这种新的技能让大型AI启用的部署随其大小的增长而变得更加智能化，实际上这意味着无故障的AI设备将成为现实。最近我们提出了专利申请，以确保我们在这方面的优先权。”
本文系网易新闻 · 网易号“各有态度”特色内容。
原文链接：https://www.sciencedaily.com/releases/2017/08/170821102725.htm
欢迎关注“智小宝管家”
