我们能否区分机器学习与人类学习?
机器学习
2019-10-09 v1 人工智能
机器学习
摘要
与对人类相比,是什么使一项任务对机器相对更难或更简单?许多 AI/ML 研究聚焦于扩展机器能够完成的任务范围,重点关注机器是否能击败人类。在允许规模差异的前提下,我们可以寻找有趣(异常)的任务对 T、T'。我们如此定义有趣:当比较人类智能(HI)与 AI 时,“更难学习”的关系发生反转。虽然人类似乎能够通过制定规则来理解问题,使用神经网络的 ML 并不依赖于构建规则。我们讨论了一种新方法,其挑战在于“在由人类所创建的规则下表现良好”。我们建议这提供了一条严谨而精确的路径,用以理解两类学习的差异。具体而言,我们提出了一大类可扩展的学习任务,表述为规则下的学习。借助这些任务,AI 与 HI 都将被严谨而精确地研究。直接目标是寻找有趣的真值规则对。长远目标是以一种可泛化的方式理解是什么使有趣对区别于普通对,并定义有趣对背后的显著性。这可能会开启思考 AI 的新方式,并对人类学习提供意想不到的见解。
引用
@article{arxiv.1910.03466,
title = {Can We Distinguish Machine Learning from Human Learning?},
author = {Vicki Bier and Paul B. Kantor and Gary Lupyan and Xiaojin Zhu},
journal= {arXiv preprint arXiv:1910.03466},
year = {2019}
}
备注
14pp. 5 fig. Working Paper