作为编队中的重要部分，毫无疑问，无人机是要跟有人机组成飞行编队的，但由于性能上的差异，编队的队形不可能永远保持稳定。
别说有人、无人混编了，哪怕纯粹的有人机编队，也不可能在战斗中始终保持队形。
但另一方面，如果想要形成战斗力，编队、分组又是必须的。
这就要求飞行员在完成战术动作之后迅速归位。
以此为标准，去约束无人机的行动，并作为机器学习训练的判据，一方面给了模型更大的自由度，一方面也能满足实际使用的需求，可以说是折中情况下最好的选择了。
这两小子不愧是天才啊，一法通万法通，为了这个模型，他们所掌握的绝对不仅仅是单一的人工智能知识而已。
面向对象的开发，才是真正有用的开发啊。
不过，一个普通的学生，怎么会有这样的见识呢？
他还不知道，此时的陈念，对于空军战术的了解，其实都是已经有过实践经验的了
“很聪明，这应该是我们最好的解决方案了。咱们现在就开始吗？”
“现在开始！”
王建成点了点头，手指轻敲回车键。
伴随着小型机的风扇转动，程序立刻开始了运转。
一条条数据不断输入到模型中，由于没有可视化界面，所有的学习过程都是以数据的形式呈现。
楚建树看的都不太明白，倒是王建成，一边紧紧盯着疯狂闪烁的一行行代码，一边不断地开口解释：
“已经完成一千次训练了，效果很差，成功率0%不过也正常，我估计至少要训练百万次以上，才能达到初步的效果。”
“五千次，这算成功了一次，有一架无人机归队了，但这是运气，策略还没办法形成”
时间一分一秒地过去，随着程序的不断运转，王建成的脸色变得越来越凝重。
原因无他，成功率太低了！
这个模型的训练效果远远要弱于他的预期，如果按照这样的效率，恐怕亿级的训练都不够用。
那还玩个屁啊？
机器学习中有一条铁律：
当AI的训练强度大于人工训练强度时，那模型就是无效的。
很显然，他手里的这个模型，就是这样的情况。
“不太行啊.这个算法好像达不到可用的标准。”
“训练效率太过低下了，策略生成的速度也慢。”
“这么搞下去，我们还不如人工遍历定制策略来的划算了.”
听到他的话，陈念也皱起了眉头。
他开口问道：
“能看出原因吗？”
“看不出来.我感觉咱们的算法应该是没什么大问题的，但是，冷启动耗费的资源太多了。”
“机器学习的本质也是遍历，但它没办法做任何感性经验的参考。”
“也就是说，人工先验和机器先验拉不齐”
看着王建成略微有些失望的眼神，陈念继续问道：
“上次聊的混淆矩阵呢？能解决吗？”
“解决不了.现在我们的问题是，priors和experience都比较少，想要高效得到高水平解决方案，就必须要求机器的智能化水平极高。”
“而且目前来看，这个任务的generalization，也就是任务泛化难度本身就很大，进一步提高了对机器的要求。”
“不行，这么跑下去不是个事儿。”
说着，王建成直接敲下了停止键，模型停止运转，最终的结果，在六万多次的训练中，达成有效结果的次数仅仅为两次。
这样的数据量，根本不足以支撑模型继续训练。
王建成失望地看着屏幕上的结果，这一刻，他感受到了一种难以言喻的挫败感。
实际上，在最开始，他对这个模型是极为自信的。
从获得陈念的点拨，逐渐了解卷积神经网络算法的基础原理之后，他几乎感觉整个世界都已经掌握手中。
这一套算法的潜力实在是太大了，只要不断去开发，有一天彻底改变世界也不是奢望。
而且，在这个赛道上，自己已经比其他研究者快了不知道多少步，只要能拿出可用的成果和案例，自己很有可能会跟学长一起，成为新一代人工智能的开创者之一。
这是多么大的荣誉，不用细说。
抱着这样的自信，他可以说是一路高歌猛进，速度快到陈念都惊叹不已。
他本来以为，事情就是会这样一切顺利地发展下去，但没想到，模型的初次训练成果，给了他重重的一击。
这不仅仅是结果没达到预期那么简单，而是不可用！
如果达不到预期，那还可以通过不断地调整和优化来向目标靠拢，可如果是不可用那真的就是怎么尝试都没有用了。
推倒重来，也许是唯一的办法。
但自己.还能有那样的心气吗？
楚建树在一旁默默地听着两人的对话，实际上，这个结果也算是在他的预料之内。
要知道，这可是人工智能啊！
哪怕是科幻，对人工智能的展望也是在几十年之后。
而想要在这个时代，在当前的计算机算力下实现初级人工智能，还要考虑终端机的性能上限，这谈何容易？
能做到这一步，已经是某种意义上的成功了。
接下来的路，还是要一步一步慢慢去走的。
当然，要说解决方法，其实他也不是没有。
在之前，因为对项目的兴趣，他也已经了解了一些机器学习、卷积神经网络方面的知识。
按照刚才陈念和王建成的讨论，整个模型最大的短板就是先验不足，如果能够在模型中植入足够大的样本数据库，让机器按照数据库中的样本去做推演和学习，那机器训练的难度应该会呈几何倍数降低。
本章节尚未完结,共3页当前第2页,请点击下一页继续阅读------>>>