美DARPA“依赖更少标签”计划加速机器学习研究

据美国*计算机网站（GCN）报道，美国国防高级研究计划局（DARPA）目前正在进行机器学习模型效率提升方面的研究。

目前大多数机器学习算法在训练时都需要大量人工标签的数据，而且算法的性能与这类数据的数量成正相关。但是，人工标签足够数量的优质数据需要消耗大量的人力和物力资源。

DARPA“依赖更少标签”计划减少标签数据量来搭建模型，并减少案例模型数量以适应不同的环境。该计划重点关注两个方面：（1）开发一种能学习和适应高效的形式化机器学习问题的学习算法；（2）验证模型学习和适应能力的局限性。