【機器學習2021】機器終身學習 (Life Long Learning, LL) (一) - 為什麼今日的人工智慧無法成為天網？災難性遺忘(Catastrophic Forgetting)

speech.ee.ntu.edu.tw/~hylee/m...

[@hudsonvan4322]

超讚! 最近讀今年的論文，這些名詞都出現了，老師真的是走在世界前端且拯救無數研究生，文獻終於看得完了，不用再上高樓樓吹風了 嗚嗚

[@user-jj3xe5tj3d]

李宏毅老师太棒了,中国大陆李老师的视频观看次数超过300万

[@user-xn9ij9zv4e]

非常感謝教授的上課內容，是指導教授推薦了這部影片，已經很久沒有體會過這麼全神貫注的聽完一堂課而且內容有完全吸收進去，再次表達佩服以及感謝。

[@left_right_men]

感謝老師~~~

[@ken4600]

老師，假設train完一個模型後，不動權重，只加新的Neuron。並且後train的模型只能修改新加的Neuron，訓練完成後對新加的權重做pruning(感覺也可對全部的參數做)，不就可以最大幅度的使用原本的權重了嗎?而且原本的模型也不會動到，所以前後的模型正確率都會很高。

[@user-ez8nr3iu5d]

AI 有使命的話也是要會多個任務的，使命是用歌聲讓大家獲得幸福的話，就不只語音辨識的吧

[@user-xw5vb5qd5w]

Vivy >

[@simonyue3986]

我的第一个反应是可不可以采用前面的sample解决，每次训练就是改变sample的persent

[@gss968]

nice!

[@royyip7313]

老師，那其實train一個分辨問題的classifier 就好了嗎？ 例如在 4：58 的問題上，先分開train 好兩個針對task 1 和 task 2 的model， 以及一個用於分辨問題的classifier。 當有一個input的時候，先讓機器用那個classifier分辨是問題是 task 1 還是 task 2 ，再使用那一個train 好的model 去解決，這樣不就避開了LL 的問題了嗎？謝謝！

[@bakkaz3412]

那可能會遇到20:30提到的問題

[@royyip7313]

@@bakkaz3412 也是🤔