引用edna314 · 2018-02
“even though the network never has seen the test you designed as shown here:”
说明神经网络没见过测试题也能在 IQ 测试中得高分
用 CNN 解几何图形规律题,成绩达到人类前 5%
论文提出一个卷积神经网络,输入若干张按顺序排列的图像,输出符合规律的下一张图像,用来解 IQ 测试中的几何模式识别题。该网络能处理旋转、反射、颜色、大小和形状等规律,成绩位于人类表现的前 5%。作者的动机是模式识别与一般智力相关性最高。
HN 上有人引用它说明神经网络可以在 IQ 类图形推理题上拿到高分。
候选里只有一篇真正讨论用机器学习解 IQ 题,其余是 GAN 和可视化,与核心方法关系不大;这条路径先看 IQ 题的机器求解思路,再读目标论文。
同样把 IQ 测验当作机器可解的任务,是目标论文问题设定的先例(语言类题型)。
读看它如何把 IQ 题形式化并与人类成绩对比;不必深究词向量细节,抓问题设定和评测方式。
目标论文:用 CNN 解几何图形规律题,成绩达到人类前 5%。
读输入多张有序图像、输出答案的 CNN 结构,以及与人类 IQ 分布的对比。
“even though the network never has seen the test you designed as shown here:”