機器學習模型在實驗室中調(diào)整和調(diào)整到近乎完美的性能，但在現(xiàn)實環(huán)境中往往會失敗，這已經(jīng)不是什么秘密了。這通常被歸結(jié)為人工智能接受訓練和測試的數(shù)據(jù)與它在現(xiàn)實中遇到的數(shù)據(jù)不匹配，這個問題被稱為數(shù)據(jù)轉(zhuǎn)移。例如，經(jīng)過訓練，能夠在高質(zhì)量的醫(yī)學圖像中發(fā)現(xiàn)疾病跡象的人工智能，將難以識別繁忙的診所中廉價相機捕捉到的模糊或裁剪的圖像。

現(xiàn)在，谷歌的7個不同團隊的40名研究人員發(fā)現(xiàn)了機器學習模型常見失敗的另一個主要原因。這被稱為“不規(guī)范”，它可能是一個比數(shù)據(jù)轉(zhuǎn)移更大的問題。領導這項研究的Alex D‘a(chǎn)mour說：“我們對機器學習模型的要求比我們目前的方法所能保證的要多。”

D’amour最初的調(diào)查如同滾雪球般滾來滾去，數(shù)十名谷歌研究人員最終著眼于一系列不同的人工智能應用，從圖像識別到自然語言處理（NLP）再到疾病預測。他們發(fā)現(xiàn)，不規(guī)范的要求是所有這些項目表現(xiàn)不佳的原因。問題在于機器學習模型的訓練和測試方式，沒有簡單的解決辦法。

粗略地說，建立一個機器學習模型需要在大量的例子上訓練它，然后在一堆它還沒有見過的類似的例子上測試它。當模型通過測試時，就完成了。

谷歌的研究人員指出，這個標準太低了。訓練過程可以產(chǎn)生許多不同的全部通過測試的模型，但是這些模型會有一些小差異，取決于諸如在培訓開始之前隨機值的神經(jīng)網(wǎng)絡中的節(jié)點、訓練數(shù)據(jù)、被選中或者代表的方式、培訓運行的數(shù)量等等。如果這些微小的、隨機的差異不影響模型在測試中的表現(xiàn)，它們通常會被忽視。但事實證明，在現(xiàn)實世界中，它們會導致巨大的表現(xiàn)差異。

換句話說，如今用來構建大多數(shù)機器學習模型的過程無法區(qū)分哪些模型在現(xiàn)實世界中可行，哪些模型不可行。

為了解決這一問題，一種選擇是在培訓和測試過程中設計一個額外的階段，在這個階段中可以同時生產(chǎn)多個模型，而不是只生產(chǎn)一個。然后，這些相互競爭的模型可以在具體的現(xiàn)實任務中再次進行測試，以選擇最適合這項工作的模型。

那需要做很多工作。蘇黎世聯(lián)邦理工學院的機器學習研究員Yannic Kilcher說，但是對于像谷歌這樣建造和部署大型模型的公司來說，這樣做是值得的。谷歌可以提供50種不同版本的NLP模型，應用程序開發(fā)人員可以選擇最適合他們的一個，他說。

D ‘Amour和他的同事們還沒有解決這個問題，但正在探索改進培訓過程的方法。他表示：“我們需要更好地明確我們對模型的要求。”“因為最終的結(jié)果往往是，我們只是在模型在實際應用中失敗之后才發(fā)現(xiàn)這些要求。”

如果人工智能想要在實驗室之外產(chǎn)生和在實驗室內(nèi)部一樣大的影響，那么進行修復是至關重要的。在谷歌從事醫(yī)療人工智能領域工作的合著者凱瑟琳海勒（Katherine Heller）表示，當人工智能在現(xiàn)實世界中表現(xiàn)不佳時，人們就不太愿意使用它了：“在殺手級應用方面，我們已經(jīng)失去了很多信任，這是我們希望重新獲得的重要信任。”

責任編輯：xj