什么是固有的基本限制机器学习系统？
这是一个潜在的新的DARPA计划的核心问题，称为学习的基本限制（有趣LOL）根据研究人员，这将解决如何以系统和原则的方式测量和跟踪对最终学习机的追求。
+更多关于网络世界有个足球雷竞技app：没有死亡：7最古老的联邦IT系统仍然喘息+
“把智慧放在人工智能中并不容易。目前的机器学习技术通常依赖于大量培训数据，巨大的计算资源和耗时的试验和误差方法。即便如此，该过程通常会导致学到的概念，不容易地概括为解决相关问题，或者无法利用以学习更复杂的概念。推进机器学习的过程毫无疑问更有效 - 但是多少？迄今为止，关于给定学习问题的可能达到的限制，非常少的是，甚至可以确定这种限制如何，“DARPA说明。
有趣的LOL DARPA正在寻找有关数学框架，架构和方法的信息，可以帮助回答以下问题：
- 培训实现给定的准确性表现所需的示例数量是多少？（例如，将培训包括少于3000万次移动，该程序提供给今年的获奖机器的程序员已经足够击败了Go Grand Champion？你怎么知道的？）
- 什么是重要的权衡及其影响？（例如，大小，性能准确，处理功率考虑）
- 对于给定问题，如何“高效”是给定的学习算法吗？
- 与限制可以实现的内容相比，学习算法的预期可实现性能如何接近？
- 训练数据中噪声和错误的影响是什么？
- 由于模型的统计结构产生数据的统计结构是可能的潜在增益？
“我们已经看到了机器学习和AI的进步，使计算机能够击败人类冠军比赛，如危险，国际象棋，最近去的古老中国战略游戏，”DARPA计划经理Reza Ghanadan说道。“What’s lacking, however, is a fundamental theoretical framework for understanding the relationships among data, tasks, resources, and measures of performance—elements that would allow us to more efficiently teach tasks to machines and allow them to generalize their existing knowledge to new situations. With Fun LoL we’re addressing how the quest for the ultimate learning machine can be measured and tracked in a systematic and principled way.”
当它现在掌握机器学习，即使是任务的小型变化往往要求程序员创建一个完全新的机器教学过程。例如，如果您稍微调整一些游戏规则，则可以从它已经知道的内容概括。程序员需要从划痕开始，然后重新加载大约数百万可能的移动的数据，以解释更新的规则。“
有许多研究努力迟到了鞋垫机器学习。谷歌例如今年早些时候宣布私人测试版新的云机学习服务让企业创建自定义机器学习模型。为此，用户使用他们在谷歌的其他云服务中拥有的数据。云机器学习处理数据摄取和训练，然后使用所得机器学习模型来进行预测。
去年智力高级研究项目机构（IARPA）的研究人员表示，他们的五年计划呼吁从皮质网络（微米）的机器智能将为参与者提供“占据生物学问题的独特机会，以提高神经计算的理论，并通过精心计划的实验和数据分析获得答案。”
+更多网络世界：有个足球雷竞技app最热门的3D打印项目+
“在该计划的过程中，参与者将利用他们改善大脑所采用的陈述，转变和学习规则来创建更有能力的神经衍生的机器学习算法的理解。微米的最终计算目标包括执行复杂信息处理任务，例如单拍学习，无监督群集和场景解析。最终，随着表演者将这些见解纳入了机器学习算法的连续版本，它们将设计能够执行复杂信息处理任务的解决方案，即旨在掌握人类的熟练程度，“Iarpa表示。
IARPA表示，“尽管过去几年的机器学习中取得了重大进展，但今天最先进的算法是脆性的，并没有概括。相反，大脑能够在存在显着的噪声和非线性变换的情况下鲁棒地分离和分类信号，并且可以从单个例子外推到整个刺激。“
+更多网络世界：有个足球雷竞技appTSA在旅行者身上发现的最疯狂和最可怕的东西+
IARPA表示，由于不同的科学优先事项，资金来源，知识存储库和词汇，神经科学与机器学习之间有效知识转移率一直缓慢。因此，在过去几十年中，很少有关于在过去几十年中出现的神经计算的想法已被纳入现代机器学习算法中。
查看这些其他热门故事：
Martian作者Andy Weir呼吁大规模新的空间站准备马斯旅行
美国宇航局的星球猎人斑点纪录了1,284个新行星，9个可居住的区域