Advanced Search
  首页 > 行业动态
更智能的AI: 没有负面数据的机器学习

  来自RIKEN 高级智能项目中心的研究团队成功开发了一种新的机器学习方法, 允许AI 在没有所谓“负面数据”的情况下进行分类, 这一发现可能导致各种更广泛的分类任务应用的产生。

  分类对日常生活至关重要。例如, 检测垃圾邮件、虚假的政治新闻以及诸如对象或面孔等更普通的事物。当使用AI 时,这些任务基于机器学习中的“分类技术”, 让计算机学习正面和负面数据的分类边界。例如, “正面”数据是包括幸福表情的照片, “负面”数据则是包括悲伤表情的照片。一旦学习了分类的边界, 计算机就可以确定某个数据是正面还是负面。这项技术的难点在于它在学习过程中需要正面和负面数据, 而在许多情况下, 负面数据是无法获得的。比如说, 当零售商试图预测谁将进行购买时, 可以轻松地找到从他们那里购买的客户的数据(正数据), 但基本上不可能获得没有购买的客户的数据。

  RIKEN 高级智能项目中心研究人员Takashi Ishida 说: “以前的分类方法无法应对无法获得负面数据的情况。现在, 只要有一个置信度分数, 就可以让计算机只用正数据进行学习。”Ishida 和他的团队成功开发了一种方法, 可以让计算机只从正数据和可靠(正可靠性)信息中学习分类边界, 从而对机器学习的分类问题进行积极和消极的划分。

  Ishida 认为, “这一发现可以扩展分类技术的应用范围。即使在积极使用机器学习的领域, 我们的分类技术也可以应用于新的情况, 特别是由于监管或业务限制等诸多原因只能收集正数据的情况下。在不久的将来, 希望我们的技术能够应用于各种研究领域, 如自然语言处理、计算机视觉、机器人和生物信息学。”

  (编译自: https://www.sciencedaily.com/releases/2018/11/181126123323.htm.)

  (本刊讯)

发布时间: 2019-01-16   浏览: 1957
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn