主页（http://www.cnwulian.net）：我国类脑强人工智能在全球首次实现“片上学习”
科技传媒网—致力于推动创新科技发展,专注科技新闻传播的新媒体平台。更多精彩内容请关注微信公众号：gdkjcm原文链接：
自2014年起，加州理工大学Sergey Karayev 等人收集了Wiki-paintings画作以来，全球不少团队已加入机器快速识别、分类的研究中，以此来检验机器学习的成果。
“片上”自主学习画风分类
事实上，从1990年代起，大量的研究便集中在如何将算法嵌入硬件的理论研究中，但那时针对的仅是诸如非常简单的波形、信号处理。
在展会现场，西井科技正式对外在WIKI系统中演示了“片上学习”过程。随意点击几种画风、画派在硬件端的“片上学习”后， 我们希望能从1万幅油画中正确而快速地找到选中的画风、画派。
“片上学习”此前研究进展缓慢
从全球范围内来看，目前机器学习常用“在线学习”（online learning），即按照顺序、循序的学习，不断的去修正模型，进行优化。已有多家公司尝到“在线学习”的甜头，在视觉、声音、大数据等领域人工智能均有突破。
机器学习的目的就是让机器具有类似于人类的学习、认识、理解事物的能力。
科技媒体医疗网讯 据了解，在机器学习领域，“片上学习”较目前流行的“在线学习”(On-Line Learning)又往前跨了突破性的一大步，这意味着机器学习能在硬件端直接完成，通过硬件层面的不断“自我学习”和“自我提高”，实现高效率、低功耗。未来，无论是在移动智能终端、家用智能终端或是大数据专用服务器等多领域，“片上学习”都将展现其独有且强大的优势。
抽象画、巴洛克、花卉、室内、肖像、极简主义、波普艺术、超现实主义……多种画派和画风，让人眼花缭乱。
对于普通人来说，即便浸润艺术多年，想要做到看一眼便能直接分出画作流派，并不是件容易的事。机器是否能做到这一切？
(责任编辑：夏喧)
期间，芯片可随时中断学习，以测试学习效果。结果我们发现，随着芯片学习进度的推进，油画识别与分类的正确率将逐步上升，直至经过8至10秒的一段完整学习后，识别的正确率接近100%。
与此同时，研究人员也未停止对“片上学习”研究，因为只要实现这一技术，就能直接在硬件上完成学习与测试，进而让基础算法的研发迭代，产品的升级有着更短的周期和更高的效率，并且消耗更少的能源。
最近，西井科技的神经形态实验室（WNR）首次在全球范围内实现了“片上学习”，并将此技术直接在Wiki-paintings画作集上进行测试。结果显示，机器能在短短 1 秒内自动完成1000多张图片的分类，正确率接近100%。
