从人类水平智能视角审视持续学习
机器学习
2021-11-24 v1 人工智能
神经与进化计算
摘要
人类的持续学习（CL）能力与稳定性-可塑性困境密切相关，该困境描述了人类如何实现持续学习能力和对已学信息的保持。自人工智能（AI）诞生以来，CL 的概念就一直存在。本文提出对 CL 的全面综述。与以往主要关注 CL 中灾难性遗忘现象的综述不同，本文基于稳定性-可塑性机制从更宏观的视角考察 CL。类似于生物对应物，“智能”AI 智能体应当 i）记住先前学习的信息（信息回溯）；ii）持续推断新信息（信息前瞻）；iii）迁移有用信息（信息迁移），以实现高级 CL。依据该分类法，随后介绍了评估指标、算法、应用以及一些开放问题。我们的主要贡献在于 i）从通用人工智能层面重新审视 CL；ii）提供关于 CL 主题的详尽且广泛的概述；iii）提出关于 CL 潜在发展的一些新思路。
引用
@article{arxiv.2111.11964,
title = {Reviewing continual learning from the perspective of human-level intelligence},
author = {Yifan Chang and Wenbo Li and Jian Peng and Bo Tang and Yu Kang and Yinjie Lei and Yuanmiao Gui and Qing Zhu and Yu Liu and Haifeng Li},
journal= {arXiv preprint arXiv:2111.11964},
year = {2021}
}
备注
21 pages, 10 figures