機器學習的範式擴展

38 人贊了文章

第一次在知乎上寫短文，大家輕拍

十分簡要地談談自己對機器學習近期的範式(Paradigm)擴展的一點看法。

近年來大家主要關注深度學習在機器學習領域的發展，但這只是模型複雜度這個維度上的發展，在更高層面來看，機器學習範式有兩方面擴展。

一是從預測(Prediction)和檢測(Detection)任務擴展到生成(Generation)和決策(Decision Making)的任務。從技術上講就是從有監督學習向無監督學習和強化學習的擴展。這一方面的範式擴展賦予機器更大的權力。預測和檢測僅僅賦予機器輔助人類決策的權力，例如預測廣告的點擊率，檢測人臉是否一致，最終的決策權是在人或者後續的規則系統上。而生成和決策任務則能使得機器的輸出直接改變世界，例如對話系統、自動駕駛等等。

二是從單智能體的集中式(Centralized)智能擴展到多智能體的分散式(Decentralized)智能。這一方面的範式擴展使得機器之間能完成交流、對抗、協作。從機器與數據之間較為簡單的objective function擴展成了機器與機器、機器與數據之間的複雜關係的objective functions。毫無疑問，博弈論將被引入多智能體機器學習，而這樣的範式擴展將有助於物聯網、車聯網、智慧城市、新一代遊戲的大規模分散式智能的落地和興旺。

從這些角度來看，我認為未來有希望的機器學習發展方向有（不限於）：多智能體無監督學習（例如GANs)、多智能體強化學習（即MARL）、分散式智能體學習系統、博弈論和機器學習交叉課題。而這些令人興奮的課題，都是我們上海交大APEX數據與知識管理實驗室的研究重點

推薦閱讀：