一种新方法或让AI模型拥有“联想”力，或能识别从未见过的事物( 三 ) 一种新的方法正在让人工智能

尽管存在诸多挑战，但不可否认这篇论文为 “少于一次” 样本学习提供了理论基础。 “无疑经过凝练的数据集将带来极大的效率提升。 ” 伊利亚说。
文章插图
图 | 伊利亚（Ilia Sucholutsky）
需要从图像或视频帧中识别成千上万个类别的计算机视觉系统（如自动驾驶）、执行情感分析的自然语言处理系统等都将从中受益。
Tongzhou Wang 对此补充道，这篇论文同时也提出了一个非常新颖且重要的目标 ——如何从小数据集中训练强大的模型。
从人类的学习经验来看，这是能够实现的，应用领域也异常宽广。从抓捕只有一张照片的犯罪嫌疑人，到识别海上航行的敌方舰艇，都是典型的小样本场景。
对于这项成果，也有业内人士指出 “可能很难实现” 。一名杜克大学的计算机科学博士生告诉 DeepTech：“用很少的样本去生成很多的类，是一件非常反直觉的事情。虽然他做到了这一点，但后续依然需要将各种特征组合成现实中的真实事物。 ”
该博士生分析称，如果把人类的眉、目、鼻、口、耳这五官特征提取出来，然后通过伊利亚的方式整合到一起，可能可以组成世界上所有存在、不存在的人脸，但在训练模型的时候，依旧需要让机器知道真正的人脸是怎样的。
也就是说，模型通过伊利亚的方法训练之后，还需要再增加一个新的步骤来实现闭环，这个新的学习步骤如何实现，以及实现的难易程度，才是关键所在。并且，五官的特征也是需要从大量的、有标签的数据中来的。但他也承认， “从这个角度看，这篇论文的确提出了一个非常新颖的思路。 ”
最后，伊利亚强调这个研究尚处在早期阶段，但他对此充满信心。
【一种新方法或让AI模型拥有“联想”力，或能识别从未见过的事物】他说，每当他向其他研究人员介绍这篇论文时，他们的第一反应是说这个想法不可能实现，但紧接着他们便意识到事实并非如此，它可能无意间触及了一扇通往全新世界的大门。