无监督学习表征：探索应否终止？
机器学习
2025-05-30 v6 人工智能
摘要
经过四十年的研究，我们最佳的无监督学习表征方法与该智能动物所达准确率之间仍存在约 20% 的分类准确率鸿沟。因此很可能我们正朝向错误方向探寻。本文给出这一谜题的一种可能解。我们证明强化学习可学习到与动物同等准确率的表征。我们 modest 的主要贡献在于如下观察：a. 当应用于真实世界环境时，强化学习不需要标签，故可合法视为无监督学习；b. 相反，当强化学习应用于模拟环境时，其固有地需要标签，故通常应视为监督学习。这些观察的推论是，进一步寻找可在模拟环境中训练的有竞争力的无监督学习范式可能是徒劳的。
引用
@article{arxiv.2001.07495,
title = {Unsupervisedly Learned Representations: Should the Quest be Over?},
author = {Daniel N. Nissani},
journal= {arXiv preprint arXiv:2001.07495},
year = {2025}
}
备注
published at The 6th International Conference on Machine Learning, Optimization and Data Science - LOD 2020