学一个忘一个？人工智能遭遇“灾难性遗忘”，解决方案治标不治本……

◎ 科技日报记者 谢开飞
◎ 通讯员 欧阳桂莲 许晓凤 王忆希
经过一个寒假返回学校，你可能才会忘了前一学期学到的内容。而如果你像人工智能系统那样学习，实际上你会在学习新知识的同时，大脑便逐渐遗忘之前的内容，其原因就在于人工智能遭遇了“灾难性遗忘”。
近日，来自谷歌大脑的最新研究发现，在街机学习环境的由多个子任务组成的单任务场景中也存在着“灾难性遗忘”。特别像在蒙特祖玛的复仇这种探索型游戏里，场景变化较大，也会出现学习完当前游戏场景后，忘记上一个游戏场景知识的情况。

人工智能为什么会产生“灾难性遗忘”？目前，解决灾难性遗忘的方案有哪些？难点在哪？就此，科技日报记者采访了有关专家。
学一个忘一个，深度学习效率低下
自从阿尔法狗相继战胜多名围棋冠军后，深度强化学习成为人工智能领域最耀眼的“明星”，也是各大研发机构角逐的主战场。而谷歌大脑团队这次面临的“灾难性遗忘”，正是人工智能深度学习中一个普遍且严重的问题。
“‘灾难性遗忘’指的是人工智能系统，如深度学习模型，在学习新任务或适应新环境时，忘记或丧失了以前习得的一些能力。”腾讯人工智能实验室副主任俞栋博士在接受科技日报记者采访时说，“灾难性遗忘”会造成人工智能系统在原有任务或环境性能大幅下降。
美亚柏科信息中心总经理魏朝东说，在深度神经网络学习不同任务的时候，相关权重的快速变化会损害先前任务的表现，通俗来说，就是在学习中像猴子搬苞谷，捡一个丢一个，记住了新知识，也有可能会忘掉了老知识。
正源于此，“灾难性遗忘”的存在，一定程度上限制了人工智能在一些场景中的应用。
福州大学数学与计算机科学学院、福建省新媒体行业技术开发基地副主任柯逍博士举例说，如一个AI图像识别系统，当需要添加一个新的类别的物体时，就不得不把原先的所有物体都再学习一次；或在文物鉴定系统中，当有一天发现原始数据中有一个文物朝代错了，同样没办法单独对这一个错误的文物进行修改学习；再如，让AI系统学习英语之后，再让它学习德语，它可能会把原来学习的英语语法全部忘光。