AI模型的持續(xù)學習能力亟待提升 企業(yè)面臨雙重挑戰(zhàn)

　　從自動駕駛到智能醫(yī)療，從金融分析到教育輔助，人工智能（AI）的應用已廣泛滲透到日常生活的各個領域，并逐漸成為推動社會進步與產業(yè)升級的關鍵力量。然而，在AI技術日新月異的背后，AI模型在持續(xù)學習能力上的不足也逐漸成為制約其進一步發(fā)展和應用的瓶頸。

　　AI模型的“學習困境”

　　當前，主流的AI模型大多基于神經網絡架構，這些網絡模仿了人腦神經元的工作方式，通過大量數(shù)據的訓練來優(yōu)化自身性能。然而，一個不容忽視的事實是，這些模型在初次訓練完成后，其學習能力便相對固化，難以像人類大腦那樣具備持續(xù)的自我學習和進化能力。這意味著，每當面對新的數(shù)據環(huán)境或需求變化時，科技公司不得不投入巨額資金，重新訓練整個模型。

　　加拿大阿爾伯塔大學Shibhansh Dohare團隊的一項研究發(fā)現(xiàn)，許多AI模型在經歷多次重訓后，會遭遇“神經元死亡”現(xiàn)象，即大量神經元陷入零值狀態(tài)，失去學習能力?！叭绻阉茸髂愕拇竽X，那就像是90％的神經元都死了?！?Dohare說，“剩下的不足以讓你學習?！边@一發(fā)現(xiàn)不僅限于圖像識別領域，還廣泛存在于自然語言處理、強化學習等多個AI應用領域，凸顯了AI模型在持續(xù)學習能力上的普遍困境。

　　企業(yè)面臨的雙重挑戰(zhàn)

　　對于科技企業(yè)而言，AI模型學習能力的受限無疑帶來了雙重挑戰(zhàn)。首先，隨著數(shù)據量的爆發(fā)式增長和市場需求的快速變化，企業(yè)需要不斷更新AI模型以保持競爭力。

　　以零售行業(yè)為例，消費者的購物偏好和購買行為數(shù)據正以前所未有的速度累積。為了精準捕捉這些變化，并為用戶提供更加個性化的購物體驗，電商平臺不得不持續(xù)優(yōu)化其基于AI的推薦系統(tǒng)。這意味著它們需要定期調整模型參數(shù)，引入新的算法和數(shù)據源，以確保推薦內容既符合用戶的即時需求，又具備前瞻性和創(chuàng)新性。

　　而在智能制造領域，AI模型在生產線質量控制方面的應用同樣面臨著持續(xù)更新的需求。隨著生產規(guī)模的持續(xù)擴大和產品復雜度的不斷提升，生產線上的數(shù)據量急劇增加。為了維持產品質量的高度一致性和穩(wěn)定性，企業(yè)需要根據生產環(huán)境的變化靈活調整AI模型的監(jiān)控范圍和預測精度。這不僅要求企業(yè)具備強大的數(shù)據處理能力，還需要在AI模型的迭代升級上保持高效和靈活。

　　然而，重新訓練模型不僅成本高昂，還耗時費力，特別是在處理大規(guī)模數(shù)據集時更是如此。此外，在快速迭代的商業(yè)環(huán)境中，時間成本同樣不容忽視。若企業(yè)無法及時響應市場變化，更新AI模型，可能會錯失寶貴的市場機遇，甚至被競爭對手超越。

　　因此，如何在保證模型精度的同時提高模型的更新效率并降低成本，成為科技行業(yè)亟待解決的難題。

　　如何提升AI模型“學習能力”？

　　面對AI模型在學習能力上的瓶頸，科研人員正積極尋求解決方案。其中，Dohare團隊的研究提出了一種新的算法，該算法在每個訓練輪次后隨機激活一些“死亡”的神經元，從而恢復其學習能力。這種算法雖然初步顯示了有效性，但還需要在更大的系統(tǒng)中進行進一步測試和優(yōu)化。牛津大學的Mark van der Wilk表示，該算法看起來很有前景，但還需要在更大的系統(tǒng)中進行測試。

　　“AI模型持續(xù)學習的解決方案簡直是一個價值數(shù)十億美元的問題?！彼f，“一個真正的、全面的解決方案將允許你不斷更新模型，從而顯著降低訓練這些模型的成本?！?/p>

　　此外，模塊化設計和增量學習也被視為提升AI模型持續(xù)學習能力的有效策略。模塊化設計通過將AI模型拆分為多個獨立模塊，實現(xiàn)了任務處理的靈活性和高效性。當面對新數(shù)據時，企業(yè)只需更新相關模塊即可，無須對整個模型進行重訓。而增量學習技術則允許模型在保留舊知識的基礎上學習新知識，實現(xiàn)了知識的累積與傳承。

　　更為長遠的是，科技企業(yè)之間的合作與共享將成為推動AI技術持續(xù)發(fā)展的關鍵力量。通過構建開放的生態(tài)系統(tǒng)，企業(yè)可以共享數(shù)據、算法和模型資源，降低研發(fā)成本，加速技術創(chuàng)新。同時，這種合作模式也有助于形成統(tǒng)一的標準和規(guī)范，推動AI技術的普及和應用。（吳雙）

　　轉自：人民郵電報

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業(yè)經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業(yè)宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯(lián)系：010-65363056。

延伸閱讀