神经网络是一种技术，这种技术让我们制造出了 Go-mastering 机器人，以及能创作中国古典诗歌的文本生成机器人，但这种技术通常被称作黑盒子，因为它们运转的原理非常神秘。想让它们运作良好可谓是一门艺术，它涉及许多媒体没有报道的微调操作。网络也在变得越来越大、越来越复杂，加上庞大的数据集和庞大的计算机阵列，使得复现和研究这些模型变得非常昂贵，只有资金最充足的实验室才能承担这样的研究。来自麦吉尔大学（McGill）的计算机科学教授若埃尔·皮诺（Joelle Pineau）正试图改变这种局面。本文介绍了当前深度学习领域的一个主要问题，即研究内容的可复现性，可复现性好的研究，这对于技术发展是很重要的，并介绍了学术界对此所做的努力和讨论。
几年前，麦吉尔大学（McGill）的计算机科学教授若埃尔·皮诺（Joelle Pineau）在帮助学生设计新的算法，她的学生们当时陷入了困境。她的实验室研究强化学习，这是人工智能的一种，用于帮助虚拟角色（“半猎豹”和“蚂蚁”的虚拟角色很受欢迎）自学如何在虚拟世界中移动。这是制造自动机器人和汽车的先决技术条件。皮诺的学生希望改进实验室的另一个系统。但首先他们必须重建它；不知道出于什么原因，他们的设计未能达到预期的效果，直到学生们尝试了一些其他实验室的论文中没有提过的“创造性的操作”。
原文链接:【 https://www.infoq.cn/article/7WJhmdQo0fmiM5t2k6X9 】。未经作者许可，禁止转载。
评论