很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于框架改进了人工智能的持续学习的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对框架改进了人工智能的持续学习这篇文章感兴趣的小伙伴可以一起来看看

研究人员已经开辟出一种用于深度神经网络的新框架，该框架可以使人工智能(AI)系统更好地学习新任务，同时“忘记”从以前的任务中学到的知识。研究人员还证明，使用该框架学习新任务可以使AI更好地执行以前的任务，这种现象称为向后转移。

“人们有持续学习的能力;我们向来在学习新的任务，而不会忘记我们已经知道的东西，” NC State的电气和计算机工程助理教授，该论文的合著者吴天福说。“迄今为止，使用深度神经网络的AI系统在这方面还不是很好。”

该论文的共同主要作者，博士学位的李希来说：“深度神经网络AI系统是为学习狭窄的任务而设计的。NC State的候选人。“结果是，学习新任务时可能会发生几种事情之一。系统在学习新任务时会忘记旧任务，这称为灾难性遗忘。

系统可以忘记他们对旧任务了解的一些事情，而不会学习做也可以是新的系统，也可以是系统可以在添加新任务的同时将旧任务固定在适当的位置，这会限制改进并迅速导致AI系统太大而无法有效运行。持续学习，也称为终身学习或“从学习到实践”学习，试图解决这个问题。”

“我们提出了一个新的持续学习框架，该框架将网络结构学习与模型参数学习分离开来，”该论文的第一作者，Salesforce Research的研究科学家Yingbo Zhou说。“我们将其称为“学习成长”框架。在实验测试中，我们发现它的性能优于以前的持续学习方法。”