9月7日，“2019年机器智能论坛”在美国波士顿大学举行。来自美国多所高校的研究人工智能相关专业的学者围绕机器深度学习能力和潜力等问题进行探讨。

　　美国塔夫茨大学学者瓦桑特·萨拉斯（Vasanth Sarathy）表示，机器深度学习的一大挑战是对人类语言的模拟和理解。以代词为例，代词在对话等口头语言文本中普遍存在，但机器学习由于需要大量常识性知识积累和相应推理，目前即使最为先进的统计方法和基于大数据知识的推理系统，也不足以让机器充分处理这些任务，致使机器在学习中正确理解人类口语依然存在诸多困难。对此，萨拉斯及其团队通过一种名为“不确定性建模”的方法，尝试让机器深度学习人类语言，逐渐消除代词歧义，并发展出一种多推理架构，提高机器对人类语言学习的精准度。

　　机器对于图像和视频的记忆成为近期的研究热点。美国麻省理工学院认知科学家爱娜丽兹·纽曼（Anelise Newman）表示，人类的视觉记忆是一个相当复杂的过程：一方面，人类视觉具有记忆大量图像的能力；另一方面，人们会记住或遗忘同类或相似的图像特征，这种相对复杂的人类视觉记忆的编码和丢弃的过程，同样给机器学习带来挑战。

　　纽曼强调，关于视觉记忆的研究因缺乏多种基准数据而受到限制，进展缓慢。为突破机器视觉记忆问题，麻省理工学院启动了一项新的实验程序，以破解人类对图像的记忆之谜，并为此建立了带有注释的图像记忆数据集。在对相关深度特征进行微调后，研究人员已设计出记忆水平基本接近人类的机器图像记忆模型，使得机器在视觉记忆领域具备了深度学习能力。

　　纽曼解释称，研究表明，在计算机视觉领域预测人类的认知能力已有实现的可能。具体而言，在相关应用中，大规模理解并记忆视频和图像可以帮助人们制作更为吸引人的视频，并预测该视频的受欢迎程度。与会学者称，未来关于视频制作可能不再只依靠个体创作者的讲述技巧和审美水平，机器在此方面的深度学习和预测能力，将使得机器制作的视频更符合受众的需求，且对其“销量成功”更具可预测性。

　　（本报波士顿9月15日电）