人工智慧與一次性學習

一次性學習(one-shot learning)存在於人工智慧(AI)領域至少有十幾年了，去年又開始加溫，今年實作的應用更令人驚艷。

一次性學習的源起其實是向人類學習，人類很多新的技能是在看過別人演示過一、兩次後，就可以八九不離十的學上手，這當然不是發生在心智相對空白的嬰兒身上。它的前提是已經學過一些工作技巧－術語叫先驗知識(prior knowledge)，然後基於先前學的諸多工作技巧形成的知識架構，依他人演示一次而學得新工作技巧。

今年一次性學習的重要工作卻是要機器人依按人的一次性演示依樣畫葫蘆、達成相同工作目標。機器人的動作和人不同，怎樣從人的演示學習執行新工作？這就要先建立之前所說的先驗知識，這個步驟叫元學習(meta-learning)，這步驟還有個似繞口令的說法：學習怎樣學習(learn to learn)。這階段的目標就是要建立讓機器人能從一次性人類演示學習新工作的能力，方法是透過人類演示一些結構相似的工作以及機器遙控操作深度監督學習，這基本上會建立人類執行工作與機器人執行工作中間的對應關係。

接下來就是從一次性的人類演示錄影帶學習執行新工作。這部份的困難在於，影片中可能會有譬如視角不同、背景不同等差異－術語叫域名轉移(domain-shift)，這容易造成學習的混淆。解決方法叫域自適應(domain-adaption)－這又是一個佶屈聱牙的術語，基本上就是將從一組數據學習來的結果應用於另一組不同數據之上，屬於機器學習中的移轉學習(transfer learning)領域。

這個實作還沒辦法讓機器人一次性地從人類的演示學習嶄新工作，因為元學習時用的工作數據具有相似的結構，因此限制了學習全新工作的能力，但是這個實作卻讓人對AI發展有新的感悟。首先是這顛覆了AI需依賴大數據的想法，一次性學習基本上需要的數據不多，雖然在元學習的階段可能需要數量較大的數據。另一個啟示是對於人的認知與腦的結構、功能還有很多知識待探索，因而AI可以鑑鏡真正智慧繼續發展的空間還大著呢！