探索迁移学习如何让人人享受人工智能红利

我们都在为人工智能技术欢呼，但问题是，人人都能享受到人工智能的红利吗?人工智能的核心要素是数据、软件和算法，作为构成人工智能的必要条件，大数据资源只掌握在少数人手中，没有大数据资源的人和领域则无法享受人工智能红利。

对此，香港科技大学教授杨强表示，人类通过技术手段迁移别人的知识，在短时间内通过小数据迅速成长，如果能够把大数据的模型迁移到每一个人身上，人们就都能享受人工智能带来的红利。

人工智能快速发展，资源不均致隐忧

人工智能的先驱阿兰?图林最早发问，机器可以思维吗?从那以后，前人做出各种假设，开始了许多尝试。

在1990年代，IBM公司推出一款国际象棋程序“深蓝”，在当年的人机大战中，战胜了当时国际象棋世界冠军卡斯帕罗夫，这是人工智能的一个里程碑，人们第一次察觉到，人的智力可能玩不过机器。

随着云计算技术的发展，人们可以利用群体智能、群体智慧、手机、 络等聚集大量的数据，同时，计算能力的增强也让深度学习、强化学习等算法也取得了很大的成就。

基于人们在这些人工智能的核心要素上取得的巨大成就，人工智能开始真正深刻地影响着我们的生活。最让人们震惊的莫过于今年3月以4:1的总比分大败世界围棋冠军、职业九段选手李世石的“阿尔法狗”。

虽然人工智能的成就让人振奋，但我们也不得不清醒地看到，到目前为止，人工智能领域取得的成就，还是集中在拥有大数据资源的大公司和组织。

在生物信息领域，可以获得单条的基因链或蛋白质链大量的数据，但是把它和人的行为对应起来的数据却少之又少，能得到几千条样本已是相当不错，这和图像识别里上千万个样本的数量简直不能相提并论。所以，深度学习至今为止对于生物信息领域的大部分数据还是无法使用。教育领域积累的大量数据也无法被大部分企业享用。

人工智能可以将我们的能力扩大，我们希望所有人都能享受人工智能带来的红利，该怎么做?

迁移学习让人人享受人工智能红利

杨强表示，他们在这方面做了很多努力，其中一个努力是迁移学习。如果能在计算机上做到迁移，就可以在数据量少的情况下得到效率的提高。例如，当我们来到一个新的领域时，如果有能力把过去的模型迁移到新的领域，那么在新的领域就不需要过多数据。这样一来，小数据也可以享受人工智能的福利。

比如推荐领域的冷启动问题，即在一个新的领域没有足够的新数据。解决冷启动问题的方法是把过去通过大数据建好的模型迁移到新领域，使人们在新的领域只用少数的数据也可以做好工作。

同时，可以让机器读取文字，变成对图像有用的知识，这样一来，知识就可以在不同的表达之间做迁移。研究发现，让机器读一千个字，就可以足够好地识别一幅图片，也就是说书并不需要无限的读下去。把迁移学习和强化学习相结合，使得我们不需要训练很长时间，就可以学会新的技能。

在贷款方面，贷款往往都是小额贷款，大额贷款的样本非常少，无法做对应的模型。所以，杨强表示，最近他们的团队正通过迁移学习把小额贷款的大量数据产生的模型，迁移到大额贷款的少数样本上，取得了非常大的成功。

相信在未来，通过模式转换的迁移学习，人人都能够享受到人工智能的红利，而不再会受到数据量的影响，等着那一天的到来。