2016年机器学习的十大问题是什么?

根据我在机器学习方面的几年经验,我认为这是激发社区发展的前5个问题(对不起,我没有10个问题)( 我只列出了算法问题,即没有特定领域的问题) : 如何从未标记的数据中学习语义表示? 尽管在无监督学习中有许多根本性的突破,例如GAN,变分自动编码器等,但是没有明确的证据表明任何无监督的方法都可以学习语义表示。 由于我们评估这些方法的方式仍然存在问题,因此该问题似乎仍然存在问题,例如,尚不清楚学习语义表示与估计密度或生成样本之间的关系。 对我而言,除了Berkeley的某些技术以外,所有现有技术似乎只是对数据进行有损压缩的一种方法。 如何从很少的样本中学习? 目前最有效的机器学习算法需要大量数据。 尽管有人声称我们有时能够进行零镜头和单镜头学习,但仍没有一种广泛接受的机器学习算法在这种情况下能很好地完成。 如何将常识嵌入机器学习算法中? 将一般事实纳入任何学习算法中仍然是一个未解决的问题。 人们正在为解决这个问题而努力工作,并且在该领域仅取得了一些初步的成功。 如何在强化学习中探索问题? 尽管最近几年在强化学习方面取得了长足的进步(由于Deepmind和UCB),但似乎还没有一种广泛接受的强化学习代理探索技术。 如何将知识从一种学习的模型转移到另一种? 尽管在图像相关问题的转移学习方面取得了成功(使用预先训练的图像网络模型),但如何将知识从一种训练过的模型转移到另一种尚不清楚。 PS:由于我主要从事深度学习,因此我的答案会偏向于它。…