【领域报告】主动学习年度进展|VALSE2018

编者按：白居易在《忆江南》中曾写道，

“山寺月中寻桂子，郡亭枕上看潮头。”

诗人结合“月中桂树”的传说，从江南众多景色中，选择了灵隐寺的皎月和钱塘江的潮头，这两处具有代表性的场景来追忆江南。而这两处样本的选择，也体现了诗人对江南风光的充分理解。

其实，在机器学习任务中，由于数据标注代价高昂，我们也面临着如何以最少量的样本，来获得最有效学习模型的问题。 如果能够从任务出发，通过对任务的理解来制定标准，挑选最重要的样本，使其最有助于模型的学习过程，将大大减少监督学习的成本。

因此，学术界衍生出了主动学习这一研究方向。本文中，来自南京航空航天大学的黄圣君副教授，将为大家介绍主动学习领域的年度进展。

文末，大讲堂提供文中所提到参考文献的下载链接。

本次报告的题目是《recent progress on active learning 》，我们知道对于监督学习任务，要训练好模型，一般有标记的训练数据越多越好，但很多任务里面有标记的数据非常稀少，而且标注过程往往需要专业的知识，耗时耗力，导致代价昂贵。所以我们希望用更少的标注数据，训练出更好的模型。

主动学习就是解决这个问题的重要手段。虽然有标记数据很少，但可以廉价获得非常多未标注的数据。在主动学习里有一个标注专家，我们可以迭代地从未标注数据里面挑选出一部分重要数据去标注，从而获得更多有标记数据。所以主动学习的目标是希望用最小标注代价获得最好的学习模型。

主动学习里面最核心的问题就是需要制定标准，使得挑选出来的样本确实是对模型最有帮助的。

这个问题在过去几十年间，一直是主动学习这个方向研究最关注的一点。以往的方法大概可分为这两类：一类方法，倾向于选择最有信息的样本，例如，我去教你最不会的东西应该是