AI分类器也有小烦恼 亚马逊研究者对症下药完美解决

　　【CNMO新闻】分类器是当代机器学习最重要的组成部分之一，它们的作用是将照片、视频、物品和记录等输入信息高效地归类。但是，当分类器需要添加新类别时问题就来了，这往往需要收集大量的数据以及重新训练模型。但亚马逊Alexa部门的科学家找到了新的解决方法。

AI

　　在最新发表的论文中，Alexa部门的研究者介绍了一种仅需要训练数据就能为分类器生成新类别的方法，他们认为这表明将AI系统以及其学习参数转化为一种能够识别新类别的系统是完全可行的。

　　Alexa研发团队首席科学家Alessandro Moschitti表示：“Alexa科学家和工程师为Alexa的核心功能投入了大量努力，通过Alexa技能工具箱，第三方开发者可以开发自己的Alexa技能。”论文中提到的应用种类（又称作迁移学习）让第三方开发者可以直接使用Alexa家庭系统。

　　在研究的过程中，亚马逊的科学家添加了一种新的类别在从新闻文章中识别人和组织的神经网络中。研究者保留了原有的分类器，但将其输出信息导入了一个独立的网络，一种“神经适配器”，其输出的信息会被输入进第二个并行的分类器，该分类器受过新类别数据的训练，最后，再将适配器与新分类器放到一起训练。最后得到的是一种新的分类器及其参数。

　　研究团队测试了两种网络结构，其中之一拥有条件随机域（CRF），这是一类经常用于模式识别和结构化预测的统计建模方法。除此之外，他们还尝试了两种不同的迁移学习方法：一种需要依靠神经适配器，另一种扩大了受训分类器输出的功能层的大小，然后功能层迅速被覆盖。

　　最后，研究者发现带有CRF的AI系统在分类原数据时实现了91.08%的准确率，在分类新数据时准确率为90.73%。