專(zhuān)家視野
譚鐵牛：向生物學(xué)習 開(kāi)啟模式識別新突破
譚鐵牛
目前的模式識別技術(shù)會(huì )遇到局部形變、光照變化等干擾，這些瓶頸的突破口還要到自然界中去尋找。
人們在觀(guān)察事物或現象時(shí)，常常要把各個(gè)相似但又不完全相同的事物或現象組成一類(lèi)。例如一個(gè)數字有不同的寫(xiě)法，對一個(gè)人來(lái)說(shuō)，某一種寫(xiě)法雖然沒(méi)有見(jiàn)過(guò)，但大腦卻能自動(dòng)將這個(gè)字識別出來(lái)。
這種模式識別行為雖然已司空見(jiàn)慣，但它卻是人類(lèi)最重要的智能行為。而機器模式識別能力則很大程度上反映了機器智能類(lèi)人的程度，成為人工智能的核心之一。
實(shí)際上在過(guò)去幾十年中，機器的模式識別取得了長(cháng)足進(jìn)展，在特定領(lǐng)域取得了成功的應用，但是，現有模式識別方法與生物系統相比依舊存在顯著(zhù)不足。
當前，一些面向特定任務(wù)的模式識別已取得突破性進(jìn)展，有的性能已可與人媲美。但通用模式識別系統仍然任重道遠。機器模式識別的瓶頸主要集中在魯棒性差、自適應性差、可泛化性差三個(gè)方面。
目前的模式識別技術(shù)還不夠“皮實(shí)”。比如，遇到局部形變、光照變化、遮擋、凌亂背景等干擾，機器就容易出錯；機器也不會(huì )像人類(lèi)一樣舉一反三、觸類(lèi)旁通，而是要進(jìn)行大樣本的訓練。
這些瓶頸的突破口還要到自然界中去尋找。向生物學(xué)習，開(kāi)展生物啟發(fā)的模式識別，有望實(shí)現模式識別理論與方法的新突破，達到對不同任務(wù)無(wú)縫切換、對環(huán)境自主適應等目標。
這種生物啟發(fā)的模式識別，就是要向生物模式識別系統學(xué)習，充分借鑒腦科學(xué)、認知科學(xué)乃至心理學(xué)的先進(jìn)成果，突破現有理論與方法的局限性，實(shí)現模式識別理論與方法的創(chuàng )新。
譬如，在我們的一篇論文中，研究人員受到人腦長(cháng)短時(shí)記憶的啟發(fā)，提出了一種多模態(tài)記憶網(wǎng)絡(luò )，通過(guò)引入注意和記憶機制模塊，對具有時(shí)間依賴(lài)關(guān)系的多種模態(tài)長(cháng)序列進(jìn)行建模，應用于諸如視頻描述生成、智能對話(huà)等領(lǐng)域中。
又比如，人類(lèi)能夠將某種知識或者技能遷移到另一種相似的領(lǐng)域中。這種遷移學(xué)習的能力也受到了模式識別領(lǐng)域學(xué)者的關(guān)注，科學(xué)家試圖模仿生物從熟悉領(lǐng)域到陌生領(lǐng)域的學(xué)習方法，構建跨領(lǐng)域跨模態(tài)遷移學(xué)習的模型，充分利用大量舊的已標注樣本和當前少量標記數據訓練新模型，解決新問(wèn)題。
總之，模式識別是智能化時(shí)代的關(guān)鍵使能技術(shù)。向生物系統學(xué)習，開(kāi)展生物啟發(fā)的模式識別研究，具有十分廣闊的創(chuàng )新空間與發(fā)展前景。（記者丁佳采訪(fǎng)整理）
?。ㄗT鐵牛，中國科學(xué)院院士）
