FIRST ORDER
從資料中學習答案
學習給定的任務。任務變化時，可能需要額外的訓練。
SECOND ORDER · Teachable intelligence
Intelligence
you can teach.
人來講解，智慧來學習。
我們研究智慧如何將經驗抽象為概念，並且不只從資料、也從人的講解中學習。
Our direction
我們創造能學習如何學習的智慧。
與人分享概念，一次一個。
我們研究如何從人給出的講解和範例中學習概念，並用這些概念去解決下一個問題。
The problem
第一線專家應該能用自己的知識教導智慧系統。
目前，要讓智慧系統承擔新的工作，仍需要工程師花大量心力準備資料和開發系統。
人只憑講解和幾個範例就能學會新概念，把學到的概念用在別的問題上，條件變了就修正自己的理解。
第一線專家了解工作原理和例外情況。我們認為，他們應該能透過講解和範例來教導智慧系統。
以資料為中心的訓練 以講解和範例為中心的學習 研究目標
學習方式 蒐集大量資料並重新訓練 專家的講解和少量範例
新概念 需要額外的訓練資料 透過講解和範例學習
規則變化時 重新檢查資料和訓練過程 憑少量經驗適應
由誰來教 處理資料和模型的工程師 了解業務的第一線專家
知識的表示 存於模型內部，難以檢視 可檢視依據並修改知識
What we believe
我們的信念
- 01
即使經驗不多，也應該能夠學習
我們檢視能否透過少量講解和範例掌握概念，並將其用於解決從未見過的問題。
- 02
應當能夠用語言和範例來教
專家用語言和範例說明工作的原理和例外。減輕把這些知識轉成訓練資料的負擔，是我們的課題。
- 03
應該能夠檢視並修正學到的內容
應當能夠確認從哪些講解和範例中學到了什麼。如果學錯了，應當能夠透過再次講解來糾正。
- 04
在實際工作中驗證研究的實用性
我們以公開評測檢驗學習能力，並在實際工作中確認是否有用，以此作為研究的標準。
The name
Second order: learning how to learn.
SECOND ORDER
學習如何學習
目標是改進學習方法，讓智慧系統只需少量經驗就能學會完成新任務。
SECOND ORDER 專注於改進學習方法本身的研究。
Research
Human-like Conceptual Learning for General Intelligence
我們結合模糊邏輯、本體論與語言模型，研究能以少量經驗學習、在規則變化時依然穩健的智慧。
01 · LEARN
概念學習
研究如何在與人的互動中學習新概念。目標是理解概念，而不是背誦答案。
02 · TRANSFER
運用所學
研究如何運用所學解決新問題，目標是將所學應用到其他任務中。
03 · ADAPT
適應變化
研究如何僅憑少量經驗適應規則變化。目標是減輕重新訓練的負擔。
The path
在第一線學習，再拓展到陌生的領域
現在
概念學習研究
研究如何從少量範例中學習概念，並用於新的問題。
下一步
向專家學習、用於實際工作的智慧
我們計畫根據第一線專案經驗，開發專家能直接教導的工具。
目標
通用智慧
我們的目標是讓智慧在陌生領域也能向人學習新概念，並將學到的概念連結起來，解決更廣泛的問題。
In the field
專家能直接教導、用於實際工作的智慧
第一線的知識分散在專家的經驗、報告和試驗結果中。我們把專家的判斷標準和流程整理成有依據的知識和可重複使用的工作流程。
知識
將文件內容整理為主張、關係和依據等單元。
工作流程
將工作流程整理為可檢視、可修改的形式。
知識的新增與修改
我們正著手開發相關功能，讓專家能透過對話新增和修改知識。
確認依據
我們正著手開發相關功能，在回答中標示原文依據和尚未確認的資訊。
Founder
薛在桓 SEOL JAEHWAN
曾在現代汽車研究所從事自動駕駛技術（ADAS）開發，之後在多家深科技新創公司負責開發工作。目前研究能將經驗抽象為概念、並從人的講解中學習的智慧，同時為企業提供 AI 轉型諮詢與開發。
Contact
如果有可以一起探討的事情，
請給我們留言。
除了研究，我們也提供企業顧問服務，並承接 AX 專案。