发现包含关系：从婴儿到机器
神经元与认知
2020-06-23 v1 计算机视觉与模式识别
机器学习
摘要
当前人工学习系统可以识别数千种视觉类别，或以冠军水平下围棋，却无法解释婴儿学习，特别是无引导地按特定顺序学习复杂概念的能力。一个显著例子是“容器”类别和包含概念，这是最早学习的空间关系之一，从2.5个月大就开始，且早于其他常见关系（如支持）。这种自发的无监督学习不同于当前高度成功的计算模型，后者以监督方式学习，即使用大量标记示例数据集。如何在无引导情况下学习有意义的概念，是什么决定了婴儿学习的轨迹，使得某些概念始终早于其他概念出现？
引用
@article{arxiv.1610.09625,
title = {Discovering containment: from infants to machines},
author = {Shimon Ullman and Nimrod Dorfman and Daniel Harari},
journal= {arXiv preprint arXiv:1610.09625},
year = {2020}
}