原标题:人工智能的下一个前沿:识别“零”和“无”
author | maxverse
translator |颜夕
statement:这篇文章是一篇客座文章，仅出于作者的观点，并不代表IEEE Spectrum或IEEE立场。
[简介]在人类早期，当我们进入数学和数量的世界时，我们知道一个苹果加一个苹果等于两个苹果。我们开始学习物理计数，直到后来我们才引入了零的概念，即空盒子里苹果的数量。
继印度阿拉伯学者和意大利数学家斐波那契之后，“零”的概念彻底改变了数学世界，并将其引入我们现代的编号系统。今天，我们可以在数学运算中自由使用“零”。然而，“零”或“无”仍然是人工智能尚未开发的领域。
在某种意义上，人工智能和深度学习仍然需要通过“零”或“无”学习来认识和推理。
这是苹果还是香蕉？没有！
(资料来源:理查德·德鲁里/盖蒂图片社)
传统上，深度学习算法(如DNN深度神经网络)是在监督下进行训练的，以识别特定类别的事物。
在一个典型的任务中，DNN可能被训练成视觉识别一定数量的类别，例如苹果和香蕉的图片。深度学习算法在获取大量数据和高质量数据时，实际上非常擅长准确、低错误率和可信分类。
当第三个未知对象出现时，DNN识别将出现问题。如果引入训练集中不存在的未知对象(例如橙色)，DNN网络将被迫“猜测”并将橙色分类为最接近捕捉未知对象的类别——的苹果！
基本上，用苹果和香蕉训练的DNN世界完全由苹果和香蕉组成。它认为果篮里没有其他水果。
进入“零”的世界
虽然不清楚“无”或“零”是否适用于所有应用程序，但在培训和部署DNN时，“无”或“零”的概念在许多方面都非常有用。
在训练过程中，如果DNN能够将项目分类为“苹果”、“香蕉”或“什么都没有”，那么算法的开发者就可以确定是否有任何类别没有被有效地学习和识别。换句话说，如果水果图片继续反馈“零”，那么开发者可能需要添加另一种“水果”来识别，例如橙子。
但是到目前为止，还没有简单的方法来训练DNN做出“不”的回应，以此向开发者发出信号，表明他们看到了一些与常规不符的东西。
与此同时，在部署场景中，如果训练有素的DNN识别出任何与它所学的水果苹果和香蕉原型不同的东西，它将回答“无”。在这个意义上，DNN可以被视为异常检测网络——。除了对苹果和香蕉进行分类之外，DNN还可以发送信号而不做进一步的改变，以告知它看到了一些与规格不符的东西。
然而，没有简单的方法可以训练出具有上述功能的标准DNN。
一种叫做“终生DNN”的新方法将自然地把“无”的概念融入到它的系统中。“终身DNN巧妙地利用反馈机制，通过过去学到的知识来确定输入是否匹配。
2017年，人工智能初创公司纽莱拉宣布在深度学习软件方面取得重大进展。它的终身DNN软件可以在边缘学习增量对象。在此之前，如果人工智能系统已经学习了一定数量的对象并且需要再次学习，它必须为所有对象再次训练。这种传统方法需要使用强大的服务器，通常是在云中。“纽拉的终身DNN”能够边跑边学，这意味着纽拉的新方法可以直接在设备上学习，因此没有在云上学习的所有缺点。此外，它消除了网络延迟，提高了实时性能，并在需要时确保隐私。最重要的是，它将促进一系列无云应用的发展，”作者兼纽拉拉首席执行官马克斯·范思哲说。当时，吴恩达还评估了从云到“边缘”的转型技术，认为这将加速消费物联网并带来新的赢家。
终身DNN的机制类似于人类学习的机制:下意识地，我们不断检查我们的预测是否符合现实世界。例如，如果有人取笑你并调整你办公椅的高度，你会立即意识到这一点。那是因为随着时间的推移，你已经学会了办公椅高度的“模型”——。一旦模型改变，你将立即意识到异常。人类不断检查我们的分类是否符合实际情况。如果没有，我们的大脑会注意到并发出警报。对人们来说，我们不仅能知道苹果、香蕉和苹果，还能推断出“我以为是苹果，但事实上不是。”
终身DNN将在运行中学习这个机制，所以如果学习的模型发生变化，它将输出“无”。
应用前景
在以苹果和香蕉为例对“一无所知”有了基本的理解之后，让我们考虑一下除了水果识别之外，它在实际应用中应该如何发挥作用。
例如，在制造业中，机器负责生产大量产品。训练传统的计算机视觉系统来识别产品中的各种异常(如表面划痕)是非常具有挑战性的。在运行良好的生产线上，“坏”产品的例子并不多，“坏”可以有多种形式。很简单，培训系统中没有大量的不良产品数据。
然而，有了终身DNN，开发者可以训练计算机视觉系统识别“好”产品的不同例子。然后，当系统检测到不符合商品定义的商品时，它可以将商品分类为异常，然后执行适当的处理。
对于制造商来说，终身DNN和检测异常的能力可以节省时间并提高生产线效率。越来越依赖人工智能的无数其他行业可能也有类似的好处。
谁知道“没有什么”如此重要？
纽拉拉是一家美国软件公司。开发的深度学习软件Neurala Brain可以使机器人、无人驾驶飞行器、移动设备和摄像机更加智能化，还可以为高端设备和日常应用场景提供定制的解决方案。Neurala使普通摄像机能够学习角色和目标，并在视频和视频流中实现识别和运动跟踪功能。基于纽拉大脑为美国国家航空航天局、美国国防部高级研究计划局和美国空军开发的技术，它已经成功部署在100多万个智能设备中。
原始链接:
http://Spectrum . IEEE . org/Tech-Talk/Robotics/Artifical-Intelligence/The-Next-Frontier-In-AI-Nothing
