“稀疏性，這是深度學(xué)習(xí)應(yīng)該擴(kuò)展的方向，” Gopi Prashanth說道，他是AI-startup Landing AI的工程副總裁，由前Google AI杰出人物Andrew Ng經(jīng)營。

在接受ZDNet采訪時(shí)， Prashanth反思了為真正的大數(shù)據(jù)構(gòu)建內(nèi)容的挑戰(zhàn)，機(jī)器學(xué)習(xí)方法稱為深度學(xué)習(xí)，并且針對非常少的數(shù)據(jù)重新設(shè)計(jì)它，可能一次只有一個(gè)樣本。

這不是學(xué)術(shù)問題。Ng及其團(tuán)隊(duì)的任務(wù)是讓人工智能為企業(yè)服務(wù)。這需要在一些設(shè)置中使用諸如機(jī)器學(xué)習(xí)之類的技術(shù)，其中我很少有用于訓(xùn)練機(jī)器的問題的良好示例。

考慮一下汽車生產(chǎn)線或其他成品。它們是為可靠性而構(gòu)建的系統(tǒng)，因此沒有很多失敗的例子可供學(xué)習(xí)。

“假設(shè)你是一名視覺質(zhì)量檢驗(yàn)員，而且有一部分來到你身邊”的生產(chǎn)線，提供Prashanth。“你通過在手中滾動(dòng)那個(gè)部分并查看它以確定它是否可接受來做出決定。”

“也許1000個(gè)產(chǎn)品中有一個(gè)是有缺陷的，最多兩個(gè);人類可以把這兩個(gè)例子很好地推廣出來。但教一臺機(jī)器使用一些數(shù)據(jù)樣本是一個(gè)非常難以解決的技術(shù)問題 - 它是一個(gè)我們必須解決的主要挑戰(zhàn)。“

Prashanth了解在現(xiàn)實(shí)世界中互動(dòng)的系統(tǒng)。在亞馬遜，他參與了“亞馬遜圍棋”項(xiàng)目，該項(xiàng)目建立了人們可以直接進(jìn)入并抓住東西的商店，并使用傳感器和機(jī)器視覺工程的新穎組合在以后對其進(jìn)行總計(jì)計(jì)費(fèi)。

當(dāng)Ng與他聯(lián)系時(shí)，他在亞馬遜時(shí)，“我不打算離開，但這是一種非常個(gè)人化的方法，”他說。“他[Ng]更少談?wù)摍C(jī)會，更多地談?wù)撐?他花時(shí)間看我的職業(yè)生涯和我的簡歷來了解我的優(yōu)點(diǎn)和缺點(diǎn);他把它變得非常個(gè)人化，這真的讓我感到很緊張。”

“我們談過并且發(fā)現(xiàn)我們有一個(gè)非常相似的愿景。”

Prashanth說，愿景是解決“許多商業(yè)問題，提前十到十五年思考”。應(yīng)用科學(xué)是重點(diǎn)，如何改變整個(gè)公司或整個(gè)領(lǐng)域，如制造業(yè)或醫(yī)療保健。

他說：“我們正在進(jìn)入傳統(tǒng)技術(shù)不重的領(lǐng)域，比如制造業(yè)。” “我們的假設(shè)是，我們將發(fā)現(xiàn)即使客戶不了解我們也能解決的問題，優(yōu)化和節(jié)省成本的事情以及所有這些 - 這是我們未來的假設(shè)。” (閱讀ZDNet 12月對Ng的采訪。)

Prashanth建議，稀疏性問題是深度學(xué)習(xí)和其他AI方法崩潰的核心問題。

“深度學(xué)習(xí)是非常新生的，”他說。“它非常擅長于獲取大量數(shù)據(jù)，基本上適合超空間中的多維表面 - 一種流形，”他說，指的是代表數(shù)據(jù)點(diǎn)之間連接的非歐幾里德幾何的概念。