跨端框架项目的内存问题优化

通过示例进行机器教学的过程称为监督学习，标记这些示例的角色通常是通过Amazon Mechanical Turk等平台进行雇用在线工作人员执行的。

训练这些系统通常需要大量的数据，有些系统需要搜索数百万个例子来学习如何有效地执行任务，在大数据和广泛数据挖掘的时代，这一点越来越可能。培训数据集庞大且规模不断扩大——谷歌公司的开放式图像数据集约有900万张图片，而其标签视频存储库YouTube-8M链接了700万个标签视频。ImageNet是早期的此类数据库之一，拥有超过1400万张分类图像。经过近5万人耗费两年时间的编纂，将其汇集在一起，其中大多数人是通过亚马逊Amazon Mechanical Turk招募的，他们检查、分类并标记了近10亿张候选图片。

近年来，生成性对抗网络(GAN)已被应用于机器学习系统中，这些系统只需要少量的标记数据和大量未标记的数据。

这种方法可以增加半监督学习的使用，在这种情况下，系统可以学习如何使用比当今使用监督学习的训练系统所需要的少得多的标记数据来执行任务。

(2) 无监督学习

相比之下，无监督学习使用不同的方法，即算法尝试识别数据中的模式，寻找可用于对数据进行分类的相似性。例如，将重量相似的水果或发动机尺寸相似的汽车聚集在一起。

该算法并不是预先设置好挑选特定类型的数据，而是简单地寻找可以根据相似性进行分组的数据，例如谷歌新闻每天都会将类似主题的报道分组在一起。

(3) 强化学习

强化学习的一个粗略的类比是，当宠物表演一个节目时，会给它一个奖励。在强化学习中，系统试图根据输入数据最大化奖励，基本上要经历反复试验的过程，直到达到可能的最佳结果。

强化学习的一个例子是Google DeepMind的Deep Q网络，该网络已被用于在各种经典视频游戏中实现最佳人类表现。系统从每个游戏中获取像素，并确定各种信息，例如屏幕上物体之间的距离。

通过查看每个游戏中获得的分数，系统会建立一个模型，该模型的动作将在不同情况下使分数最大化，例如，在视频游戏Breakout的情况下，应将球拍移至其中以拦截球。

该方法还用于机器人技术研究，其中强化学习可以帮助教会自主机器人在现实环境中表现的最佳方式。

哪些公司在人工智能领域处于领先地位?

随着人工智能在现代软件和服务中扮演越来越重要的角色，全球主要的科技公司都在努力开发强大的机器学习技术，以供内部使用并通过云服务向公众出售。

尽管可能是谷歌及其DeepMind AI AlphaFold和AlphaGo系统对公众的人工智能意识产生了很大的影响，但每个开创人工智能研究新局面的公司都有可能成为头条新闻中的主角。

哪些人工智能服务可用?

全球主要的云计算提供商——AWS、微软Azure和谷歌云平台都提供了对GPU阵列的访问，用于培训和运行机器学习模型。而谷歌公司还准备让用户使用其Tensor处理单元(其定制设计的定制芯片)针对训练和运行机器学习模型进行优化。

这三家云计算提供商(基于云计算的数据存储)均提供了所有必需的相关基础设施和服务，能够存储训练机器学习模型所需的大量数据，转换数据以准备进行分析的服务，可以清晰显示结果的可视化工具，以及简化模型构建的软件。

这些云平台甚至还简化了自定义机器学习模型的创建，谷歌公司提供了一种自动创建人工智能模型的服务，其名称为Cloud AutoML。这项拖放服务可建立自定义的图像识别模型，并且用户不必具备机器学习方面的专业知识。

（编辑：广安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!