現在的AI已經很強了。包括ChatGPT, Midjourney, Yolov8， AutoGPT等等的AI模型都讓我們感受到了AI的強大。

但是，在一個AI模型發布之前，需要經過大數據的漫長訓練，有的時更是長達上百個小時（AI表示：我太難了）。

所以，當一個制造AI模型的團隊想讓AI模型更精準，更完美，他們就需要耗費大量時間和經費來重新從大數據庫里訓練模型。

這時候，有一個概念就出現了：實時學習（Real-time Learning)。

實時學習（Real-time Learning)的理想狀態是指AI在運行的時候同步獲取自己對一個被輸入的“問題”的“答案”，把答案和問題加入進訓練數據庫，訓練，然后在運行，并一直重復以上步驟。

這一訓練方式和大腦學習的方式是一樣的。

大腦會收集你接受到的 "問題" 和你提出的 "答案"?并訓練自己，用的時候，大腦也會用別人的 "答案" 自我訓練

所謂“問題“指的是AI需要做出回應的東西。

"答案" 就是對于 "問題" 的回應。

比如說，在一個人臉檢測的AI模型中，"問題" 就是再次圖片中的人臉的位置，"答案" 就是人臉的位置。

在一個NLP模型中，"問題" 是用戶提的問題（"請幫我寫一個作文")，而 "答案" 是用戶提的問題的答案。

BUT....

實時學習（Real-time Learning)在現實中并不是理想狀態。在訓練的時候，機器不能像大腦一樣快速的訓練，而且，當模型文件被重寫的時候，檢測模塊會報錯。

因此，一般的實時學習（Real-time Learning)是當 "問題" 和相應的 "答案" 積累到某個數目的時候才會重新訓練模型。在訓練模型之前，得創建當前模型的副本以保證 "回答" 模塊穩定工作。然后在 "回答" 模塊工作的同時訓練模型的副本。訓練完畢后讓 "回答" 模塊把要運行的模型改成副本模型，然后刪除原本的模型。一直循環以上步驟就是實時學習（Real-time Learning)。

注：我現在正在嘗試用YOLOv8做一個可以實時學習（Real-time Learning)的人臉檢測軟件。請敬請期待（代碼會開源，而且我有可能會出一個教程）

注：代碼已開源，可在GitHub - ivanhe123/Real-Time-Training-Yolov8?或何榮基 / Real Time Training Yolov8 · GitCode?中找到。教程已做完：實時訓練Real-Time Training 教程（2023年全網第一）_何榮基的博客-CSDN博客。

總結

以上是生活随笔為你收集整理的一种很厉害的AI学习方式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。