研究人员发明新的机器学习方法,助力AI完成过于敏感的任务

cslehe

#111723#瑞士电子和微技巧核心的工程师们开辟了一种新的呆板进修方式，可能增加动力耗费，并容许人工智能（AI）实现一度被以为过于敏感的义务。
强化进修范围性
强化进修（Reinforcement learning）是人工智能的一个主要方面，它通过进修从前的教训一直改良本人。但是，这项技巧常常很难利用于事实生涯中的场景和情形，比方练习气象把持体系。像如许的利用顺序不能处置温度的急巨变化，这将由强化进修带来。

这个成绩恰是CSEM工程师们动手处理的成绩，也是他们提出新方式的时间。工程师们证实，简化的实践模子能够起首用于练习盘算机，而后他们将转向事实生涯中的体系。这使得呆板进修进程在达到现实体系时愈加准确，从之前的实验和毛病中进修实践模子。这象征实在际体系不会呈现激烈稳定，用气象把持技巧处理了成绩。
Pierre-Jean-Alet是CSEM智能动力体系研讨的担任人，也是这项研讨的合著者。
亚历特说：“这就像是在开车前进修驾驶手册一样。“通过这一预练习步调，盘算机树立了一个能够应用的常识库，如许它们就不会在寻觅准确谜底时自觉飞翔。”
增加动力耗费
这类新方式最主要的一个方面是它能够增加20%以上的动力耗费。工程师们在一座有100个房间的大楼里的一个供暖、透风和空调（HVAC）体系上测试了这类方式。
工程师们依附于三个步调，第一步是练习盘算机进修“虚构形式”，这个模子是通过简略的方程来树立的，这些方程能够说明建造物的行动。实在的建造数据，如温度，气象状态和其余变量，而后输入到盘算机，这进一步致使了更正确有针对性的练习。最后一步是让盘算机运转强化进修算法，这将终究为暖通空调体系找到最好处理方式。
CSEM工程师开辟的新方式可能会对呆板进修发生严重影响。很多已经被以为是强化进修“弗成涉及”的利用顺序，比方那些稳定很大的利用顺序，当初能够用一种新的方法来处置。这将下降动力应用、下降财政本钱和很多其余利益。   tzh
更多内容阅读推荐：洗碗机漏水怎么回事