笔看阁

手机浏览器扫描二维码访问

第113章 李晓军和方麟（第2页）

的申请者，已经用他悲催的经历给大家做了很好的示范，太在乎地球上的尊卑关系，脸皮不够厚，最后倒霉的只能是自己。

不得不承认，王栋的这一举措，又把地球上讲人脉、讲资历的学术圈子冲击了个七零八落。

李晓军后知后觉，此时才意识到问题所在，一时之间也面沉似水。

大家在沉重的气氛中僵持了半天，终于有人开口说话了，“我们弄个连续学习方面的本子吧。”

说话的人叫方麟，是一位平时很让李晓军头疼的学生。

倒不是说方麟是个很笨的学生，他才华横溢，聪明得紧，应该是李晓明带过的学生中最聪明的一个。

但就是太有个性，自己想研究什么就研究什么，不怎么听指挥。

李晓军不止一次想劝退这个学生，或转到别的老师名下。

不能给老师干活的博士生当然不是好博士生。

李晓军迟疑道：“这算是通用人工智能的范畴了，有点太超前了吧？”

方麟瘦瘦高高，顶着一脑袋的长头发，虽然还没长到尽显艺术家的风范，但也足以像鸡窝一样乱糟糟的。

方麟：“王栋不就是想要超前的东西么，越超前越好。”

余下的同学都点头赞同，表示深以为然。

李晓军也觉得有理：“大家现在都在做自监督预训练，有大模型大算力加持，出现了智能涌现。”

“这几年连续学习相关的研究工作的确进展缓慢，好像没有什么清晰的方向，不好做啊。”

“不过，好做的都被申请完了，做连续学习也不错，但咱们得弄出一个具有可行性的解决方案来。”

方麟：“连续学习面对的主要问题是灾难性遗忘。

如果让深度神经网分多次学习，学了后面的知识，就把前面的知识忘掉了，或者说覆盖掉了。”

“所以，这是个如何在深度模型中保留记忆的问题。”

“已有方法大概采用了如下三种技术路线：”

“一是保留以前学过的部分代表性样本作为记忆，这些样本要参与到后面的模型训练，从而把记忆转化为模型参数；”

“二是在模型学习新知识时限制参数在一个限定的范围内变化，而这个范围是由旧知识决定的，所以就达到了不会遗忘它们的效果；”

“三是每次弄出不同的网络分支以对应不同的知识。”

“第三种方法性能最差，较少被关注到，但我反倒觉得最具合理性。”

“仿真人类的情况，我们的记忆难道不应该是神经网络形式的，不同的记忆难道不应该是不同的子网络么？。”

“以前遇到的困难是如何将这些分支融合以达到记忆选择的效果，然而不融合直接选择也是一种办法。”

“假设面对一种任务，其所要学习的知识有一万种子模式，每种模式我们都可以保留三个模型：一个用于生成已习得数据的模型，大模型形式的生成模型现在就很好用；另一个用于对新到达样本做数据增强，达到将一个样本变成上千个内容相同但表示不同的样本的目的；最后一个才是这个子模式对应的处理模型。”

“用这三个模型来代表对某种模式知识的记忆。”

“训练时，先将新到达样本在每个记忆模式里分别做数据增强，然后用对应的生成模型生产大量记忆样本。

把记忆样本与增强样本一起去重新训练处理模型”

“如果该处理模型对各种生成样本仍旧有较高的准确率，该子模式就被选中，把处理模型更新为重训模型，当然，生成模型和增强模型也需要一起被重新训练。”

“推理时，过程也是一样的，将待处理样本在每个知识子模式中都进行增强，然后与生成样本一起重训处理模型，根据重训模型对各种生成样本的准确率，决定是否接受其识别结果。”