Popular science work
美國(guó)麻省理工學(xué)院團(tuán)隊(duì)創(chuàng)建了一個(gè)獨(dú)特的機(jī)器學(xué)習(xí)“元素周期表”，它展示了超過(guò)20種經(jīng)典機(jī)器學(xué)習(xí)算法之間的聯(lián)系。這一框架揭示了科學(xué)家融合不同方法中的策略，將改進(jìn)現(xiàn)有的AI模型或提出全新的模型，并進(jìn)一步促進(jìn)人工智能（AI）技術(shù)的發(fā)展和應(yīng)用。
化學(xué)中的元素周期表是根據(jù)元素原子核電荷數(shù)從小至大排序構(gòu)建的列表。元素周期表能準(zhǔn)確地預(yù)測(cè)各元素的特性及其之間的關(guān)系，因此它在化學(xué)及其他科學(xué)范疇中得到了廣泛使用，是分析化學(xué)行為時(shí)非常有用的框架。
此次創(chuàng)建的AI框架則基于一個(gè)核心思想：所有這些算法都在學(xué)習(xí)數(shù)據(jù)點(diǎn)間的特定關(guān)系，盡管每種算法實(shí)現(xiàn)這一點(diǎn)的方式可能略有不同，但背后的核心數(shù)學(xué)原理是相通的。基于此，研究人員找到了一個(gè)統(tǒng)一的方程式，它是許多經(jīng)典AI算法的基礎(chǔ)。利用這個(gè)方程式，他們重新構(gòu)建并排列了一些流行的方法，根據(jù)它們學(xué)習(xí)到的數(shù)據(jù)點(diǎn)間的關(guān)系類型對(duì)每種方法進(jìn)行分類。
例如，通過(guò)將兩種不同算法的關(guān)鍵元素組合起來(lái)，團(tuán)隊(duì)開發(fā)出了一種新的圖像分類算法，其性能比現(xiàn)有最先進(jìn)的技術(shù)高出8%。這表明，這種機(jī)器學(xué)習(xí)“元素周期表”不僅有助于理解現(xiàn)有算法之間的聯(lián)系，還為創(chuàng)造更高效的算法提供了實(shí)際指導(dǎo)。
就像化學(xué)元素周期表最初留有空白等待未來(lái)科學(xué)家填充一樣，這個(gè)機(jī)器學(xué)習(xí)的“元素周期表”中也存在一些空白區(qū)域，暗示著理論上應(yīng)該存在但尚未被發(fā)現(xiàn)的算法。這些空白預(yù)測(cè)了潛在的新算法位置，為人們提供了一個(gè)工具包，不用再重復(fù)探索以前方法中已涵蓋的概念，讓設(shè)計(jì)新算法變得更加高效。
來(lái)源：科技日?qǐng)?bào)
