百科

浙商证券：AI前沿跟踪系列（四）：基于元学习的拟人泛化推理 2023-10-30

admin2023-10-30 12:31 20人已围观下载完整内容

简介Lakeetal.通过引入一种名为MLC的优化过程，证明了神经网络可以通过少量样本组合任务实现类似人类的系统性推理能力。是否能推广至更多领域应用，有待确定和探索

Lakeetal.通过引入一种名为MLC的优化过程，证明了神经网络可以通过少量样本组合任务实现类似人类的系统性推理能力。是否能推广至更多领域应用，有待确定和探索。

神经网络系统性推理能力的争议

人类能够通过学习新概念并将其与已有概念组合运用，展现出系统性的推理能力。然而，一些学者认为神经网络缺乏这种系统性，因此不能作为认知模型。但也有人提出反对意见，认为人类的系统性推理能力可能并不像之前所认为的那样规则和系统。同时，现代神经网络在复杂的架构下能够展现出更高的系统性。

人类系统化推理能力实验

不同的参与者被要求对七个未知指令及其彼此之间的关系进行合理的猜测（对“fepfep”或“fepwif”作出一系列彩色圆圈的回应），而不看任何输入/输出示例来影响他们的回应。尽管测试的性质是不受约束的，但人的回应非常有结构性。

MLC模型推理能力实验

尽管人类的少样本学习行为可以很好地由MLC或概率符号模型描述，但对更开放式行为的测试突出了MLC的相对优势。MLCTransformer在65.0%的样本中完全像模态人类参与者一样响应，实例化了三个关键的归纳偏见。

风险提示

本报告依据最新前沿论文进行解读评述，若有理解不当请以原始论文表述为准。且本报告为AI应用方法和框架介绍，并不作为有效投资方法建议，仅供参考。