OpenAI Five 亲测报告：技术强悍但有天大弱点！( 十 )_在4月14日

但是，这些技术都依赖于海量数据和计算资源，比如训练 AI 识别医疗影像，进行中英翻译或听懂你说的话，均需要数十万份训练数据才能训练出表现出色的模型。但它们也只能在特定场景下才能使用。因此，相对于被称之为“强人工智能”的 AGI ，这类 AI 系统普遍被称为“弱”或“窄人工智能”（Narrow AI）。

如果想再更进一步，进军 AGI ，首先要攻克的就是在冷门应用场景下，训练数据稀少的问题。

（来源：Pixabay）

目前已有类似的努力，比如“仅需”数千个数据就能生效的生成模型（Generative Models）、数据需求进一步降低至数百的迁移学习（Transfer Learning），可以从零开始的单样本学习（one-shot learning）和自我对战 (Self-Play) ，这都是近几年的新兴概念。

生成模型的基础思想为“训练算法来生成自己的训练数据” ，通过生成一个能够抽取出基类数据的模型，根据少量的训练数据，凭空“想”出大量的训练数据。对于图像来说，迄今最成功的生成模型是生成对抗网络（GAN）。正如生成对抗网络的发明人 Ian Goodfellow 所说的，生成模型给机器带来了“想象力” 。