Ian Goodfellow：深度學習的8個未來方向

本文來自AI新媒體量子位（QbitAI）

深度學習的下一步是什麼？

最近，這個問題在美國問答網站Quora上發出沒幾天，就收到了Ian Goodfellow的回答。

Goodfellow是Google Brain研究員，Deep Learning教科書的第一作者，還曾經在OpenAI工作過一段時間。他最廣為人知的成就，是提出了生成對抗網絡(GAN)。

以下是他回答的主要内容：

深度學習未來的發展方向很廣，以下是其中一些方向：

更優秀的強化學習，以及深度學習和強化學習之間的整合。能更可靠地學會如何控制機器人的強化學習算法等。

更優秀的生成模型。這些算法能可靠的學習如何生成圖像、語音和文字，人類将無法分辨算法生成的内容和真實的内容。

學會學習，以及無所不在的深度學習。例如，算法将可以重新設計自身架構，自主調整超參數。目前，學習算法仍需要人類專家去運作，但未來這些算法的部署将會更簡單。沒有專門AI人才的機構也可以利用深度學習技術。

用于資訊安全的機器學習，以及機器學習的安全問題。越來越多的資訊安全攻擊将利用機器學習技術，生成自動化程度更高的惡意軟體，更有效地利用系統漏洞。與此同時，更多資訊安全防禦系統将利用機器學習技術，比人工更快地響應資訊安全威脅，探測更隐蔽的入侵活動。這兩種機器學習算法将展開交鋒。

活動的動态路由将帶來規模更大的模型。相對于目前模型，這樣的模型可以使用較少的計算資源去處理單一樣本。不過整體來看，大規模計算仍将是人工智能的關鍵：當單模型消耗的計算資源減少之後，我們會希望同時運作數千個這樣的模型。

半監督學習和one-shot learning将減少多種模型所需的訓練量，推動人工智能的進一步普及。

研究将專注于開發極為健壯的模型。這樣的模型永遠不會發生錯誤，适用于關鍵的安全應用。

深度學習将延伸至大衆文化中。我們将看到藝術家和潮流推動者在一些難以想象的領域應用深度學習。例如，Alexei Efros的實驗室，以及類似CycleGAN的項目就是這方面的起步。

最後，來欣賞一下CycleGAN把馬變成斑馬：

【完】

本文作者：陳桦 

原文釋出時間：2017-07-24