谭铁牛院士向生物学习开启模式识别新突破1

谭铁牛院士：向生物学习开启模式识别新突破

摘要: 人们在观察事物或现象的时候，常常要把各个相似的但又不完全相同的事物或现象组成一类

人们在观察事物或现象的时候，常常要把各个相似的但又不完全相同的事物或现象组成一类例如一个数字有不同的写法，对一个人来说，某一种写法虽然没有见过，但大脑却能自动将这个字识别出来

这种模式识别行为虽然人们早已司空见惯，在中国科学院院士谭铁牛看来，它却是人类最重要的智能行为而机器模式识别能力则很大程度上反应了机器智能类人的程度，成为人工智能的核心内容之一

实际上在过去几十年中，机器的模式识别取得了长足的进展，在特定领域取得了成功的应用，但是，现有模式识别方法与生物系统相比依旧存在显著不足

“当前，一些面向特定任务的模式识别已取得突破性进展，有的性能已可与人媲美”谭铁牛说，““但通用模式识别系统仍然任重道远

机器模式识别的瓶颈主要集中在鲁棒性差、自适应性差、可泛化性差三个方面”

通俗来说，目前的模式识别技术还不够“皮实”比如，遇到局部形变、光照变化、遮挡、凌乱背景、尺度变化等干扰，机器就很容易出错；机器也不会像人类一样举一反三、触类旁通，而是要进行大样本的训练

在谭铁牛看来，这些瓶颈的突破口还要到自然界中去寻找“向生物学习，开展生物启发的模式识别，有望实现模式识别理论与方法的新突破，达到对不同任务无缝切换、对环境自主适应、对知识凝练抽取等目标”

他所提出的生物启发的模式识别，就是要向生物模式识别系统学习，充分借鉴脑科学、认知科学乃至心理学的先进成果，突破现有理论与方法固有的局限性，实现模式识别理论与方法的创新

譬如，在谭铁牛等人的一篇论文中，研究人员受到人脑长短时记忆的启发，提出了一种多模态记忆络，通过引入注意和记忆机制模块，对具有时间依赖关系的多种模态长序列进行建模，应用于诸如视频描述生成、智能对话等领域中

又比如，人类能够将某种知识或者技能迁移到另一种相似的领域中，在已有知识的辅助下，新的学习任务只需要很少的训练就能达到不错的效果这种迁移学习的能力也受到了模式识别领域学者的关注，科学家试图模仿生物从熟悉领域到陌生领域的学习方法，构建跨领域跨模态迁移学习的模型，充分利用大量旧的已标注样本和当前少量标记数据来训练新模型，解决新问题

“总之，模式识别是智能化时代的关键使能技术”谭铁牛最后说，“向生物系统学习，开展生物启发的模式识别研究，具有十分广阔的创新空间与发展前景”

冠心病严重吗能活多久

药业发展

宝宝咳嗽吃什么药

小孩发烧怎么退烧

宝宝物理降温的方法

小儿眼屎多