针对给定问题表现良好,但无法灵活应对情况变化而导致性能大幅下降——韩国国内研究团队找到了人工智能(AI)这一长期难题的答案。此次研究成果作为对下一代AI、智能教育、认知行为治疗等多个领域具有重大影响力的原创技术,备受期待。
韩国科学技术院(KAIST)5日表示,由生物与脑工程系教授兼神经科学AI融合研究中心主任李相完带领的研究团队,成功揭示了解决AI最大难题之一——过拟合与欠拟合权衡问题的原理。
AI在对当前数据或环境进行过度学习,或采用过于复杂的结构时,针对给定问题会表现出良好性能。但只要问题环境稍有变化,性能就会大幅下降(过拟合问题)。此时所使用的AI模型由于复杂度高,结果值过于敏感,输出值的“方差”变大。为防止此类问题而对当前数据或环境进行粗略学习时,则存在无法就给定问题发挥最大性能(欠拟合问题),以及因未能充分学习数据而可能产生“偏差”的缺点。学界长期以来为解决这一问题开展了研究,但在如现实世界那样权衡条件持续变化的情况下,尚未有人提出明确的解法。
李教授研究团队从人类大脑中找到了解决方案。研究着眼于这样一点:人类既能专注于当前给定的问题(解决欠拟合问题),又不会过度执着于当前问题(解决过拟合问题),并能随情况变化灵活应对。研究团队于2014年发现,相关额叶区域参与基于环境不确定性灵活调节强化学习策略;次年又发现其也参与因果关系推断过程。2019年更发现该脑区甚至能够考虑问题的复杂度。这一系列研究成果成为体现人类自我评估学习与推理能力的元认知能力的证据,并由此确立了“额叶元学习理论”,即基于该能力可以解决AI难以处理的现实世界中各种相互权衡的情况。此次研究被评价为基于该理论,实际解决AI长期难题之一——欠拟合与过拟合权衡问题的首个案例。
李教授表示:“基于大脑的AI研究可视为以工程方式探究人类智能的过程”,“有望为人类与AI相互帮助、共同成长确立明确的基准点”。






