基于幼儿启发式学习的任务无关表征学习
人工智能
2021-01-28 v1 计算机视觉与模式识别
摘要
当前 AI 系统的一个固有局限源于其被动学习机制（例如监督学习），即它们在带标签数据集上表现良好，却无法自行推导知识。为应对此问题，我们从一种通过动作实现的高度意向性学习系统——幼儿——汲取灵感。受幼儿学习过程启发，我们设计了一个交互式智能体，能在虚拟环境中探索并与物体交互的同时，学习并存储任务无关的视觉表征。实验结果表明，如此获得的表征可扩展至多种视觉任务，如图像分类、物体定位与距离估计任务。具体而言，所提模型分别取得了 100%、75.1% 的准确率与 1.62% 的相对误差，明显优于基于自编码器（autoencoder）的模型（99.7%、66.1%、1.95%），并且与监督模型（100%、87.3%、0.71%）相当。
引用
@article{arxiv.2101.11221,
title = {Learning task-agnostic representation via toddler-inspired learning},
author = {Kwanyoung Park and Junseok Park and Hyunseok Oh and Byoung-Tak Zhang and Youngki Lee},
journal= {arXiv preprint arXiv:2101.11221},
year = {2021}
}