胡扯系列之私人AI助手系统的分析与设计( 三 ) _自适应

文章插图
至此，整个系统的基本算法分析阐述完毕，在未来，不仅仅可以对Actor进行优化，还可以对整个自适应架构进行优化。此外对应自适应架构而言，Actor并不唯一，这意味在未来引入多模态完全成为可能，对于AI助手的扩展能力也将进一步扩充。至于在这一结构是否能够在小样本，小模型下达到期望效果就将交于时间进行考量了。
体会
目前通过初步探索以及部分模块的实现，作者对于整个系统的设计与实现有了大致理解。目前在本文提到的模块中存在大量优化空间。例如在AI助手的聊天模块中，采用单纯的结构，对于注意力机制的实现较为简陋，在未来可以考虑参考[10]架并对其架构进行轻量化削减引入这一模块。同时在最终生成文本阶段，除了可以考虑参考YOLO全回归预测外，还可以考虑引入CNN[11]在词向量空间中做进一步信息提取，还可以降低网络参数提高运行效率。而在自适应架构中，对应强化学习部分，可以考虑比DDPG[12]算法更加优良稳定的算法。在GAN部分，可以试着引入新的优化，参考 Model[13]将生成器直接生成。跨过本文提到的AI私人智能助手，当下在NLP领域中各路模型百花齐放，今日火爆的更是达到了惊人的效果。在大模型[14]，大数据的加持下，AI充满了希望和挑战，属于智能的时代才刚刚开始，尽管好的效果依然随着大模型，大算力发展。
引用文献
[1]R S, Barto A G.: [M]. : MIT Press,1998.
[2] Hao D ,P , Chao W , et al.Image-to-Imagewith[J]. 2017.
[3]A , Grave E ,P , et al. Bag offorText [J]. 2017.
[4]T , Chen K ,G , et al.of WordinSpace[J]., 2013.
[5]I ,O , Le Q V .towith[J].in, 2014.
[6] Dey R ,F M . Gate- of GatedUnit (GRU)[C]// IEEEon& . IEEE, 2017:1597-1600.
[7] Greff K ,R K ,J , et al. LSTM: ASpace [J]. IEEE, 2017(10).
[8] Luong M T , Pham H ,C D .to -based[J].ence, 2015.
[9]J ,S ,R , et al. You Only Look Once: , Real-Time[C]//&. IEEE, 2016.
[10]A ,N ,N , et al.Is All You Need[J]. arXiv, 2017.
[11]S , Kosko B .to[M].
[12] T. P. , J. J. Hunt, A. , N. Heess, T. Erez, Y. Tassa, D. , D. ,with deep, 4thon, ICLR 2016 -Track(2016). arXiv:1509.02971.
[13] Ho J , Jain A ,P .[J]. 2020.
[14]R ,M ,G , et al. : A LargeModel for [J]. 2022.