类人神经网络再进一步！DeepMind最新50页论文提出AligNet框架：用层次化视觉概念「对齐」人类

文章预览

近年来，深度学习在人工智能领域，如自然语言处理和计算机视觉方面取得了快速进展，但即便是最强大的模型，也经常会在那些，对于人类说非常简单的case上折戟。 人类感知对环境变化具有鲁棒性，并能在不同的视觉设置中泛化，相比之下，对于深度学习模型来说，如果训练和测试数据集之间的分布发生偏移，其性能往往会急剧下降。 人类在判断视觉相似性时往往能够很好地校准自己的判断，即人类对某个问题的确定性往往与预测准确率成正比，而AI系统则过于自信，即使在预测错误时也表现出高度的确定性。 所以说，在真正实现通用人工智能之前，深度学习模型和人类之间仍然存在诸多差异需要调和、对齐。 值得思考的是，神经网络训练和人类学习在根本上有所不同，其无法像人类一样稳健地泛化，是否是因为其底层表征的相似性的问题？ ………………………………