Väga harvade eranditega iga suur edusamm tehisintellekti vallas see sajand on olnud masinõppe tulemus. Nagu nimigi viitab (ja vastupidiselt sümboolsele A.I.-le, mis iseloomustas suurt osa esimesest poolest valdkonna ajalugu), masinõpe hõlmab nutikaid süsteeme, mis mitte ainult ei järgi reegleid, vaid tegelikult õppida.
Kuid seal on probleem. Erinevalt isegi väikesest inimlapsest tuleb masinõppele näidata palju koolitusnäiteid, enne kui see suudab neid edukalt ära tunda. Pole olemas sellist asja nagu näiteks "uksemehe" nägemine (te ei tea, mis see on, aga me kihla vedame mäletaks seda, kui te seda näeksite) ja pärast seda suudaks ära tunda iga järgneva uksehoidja, mida näete.
Soovitatavad videod
Kui A.I. kasutab oma potentsiaali, on oluline, et ta saaks sel viisil õppida. Kuigi probleem on veel lahendamata, a uus uurimistöö Ontario Waterloo ülikoolist kirjeldab a potentsiaalne läbimurdeprotsess nimetatakse LO-shot (või vähem kui üks löök) õppimiseks. See võib võimaldada masinatel õppida palju kiiremini inimeste moodi. See oleks kasulik paljudel põhjustel, kuid eriti stsenaariumide puhul, kus koolituse jaoks pole suuri andmemahtusid.
Lubadus õppida vähem kui üks kord
"Meie LO-shot õppetöö uurib teoreetiliselt võimalikult väikest arvu proove, mis on vajalikud masinõppe mudelite koolitamiseks." Ilia Sucholutsky, Ph.D. projekti kallal töötav õpilane, rääkis Digital Trendsile. „Leidsime, et mudelid võivad tegelikult õppida ära tundma rohkem klasse, kui palju koolitusnäiteid neile antakse. Algselt märkasime seda tulemust empiiriliselt, kui töötasime oma eelmise artikli kallal pehme märgistuse andmestiku destilleerimine, meetod pisikeste sünteetiliste andmekogumite genereerimiseks, mis treenivad mudeleid sama jõudlusega, nagu oleks neid õpetatud algse andmestiku alusel. Leidsime, et saame õpetada närvivõrke ära tundma kõiki 10 numbrit – nullist üheksani – pärast seda, kui oleme õppinud vaid viiel sünteetilisel näitel, vähem kui ühe numbri kohta.... olime sellest tõeliselt üllatunud ja see viis selleni, et töötasime selle LO-shot õppepaberi kallal, et proovida ja teoreetiliselt mõista, mis toimub.
Sucholutski rõhutas, et see on alles algusjärgus. Uus dokument näitab, et LO-shot-õpe on võimalik. Teadlased peavad nüüd välja töötama LO-shot-õppe läbiviimiseks vajalikud algoritmid. Vahepeal ütles ta, et meeskond on pälvinud huvi teadlastelt nii erinevates valdkondades nagu vulkanoloogia, meditsiiniline pildistamine ja küberjulgeolek – kes kõik võiksid sellisest A.I-st kasu saada. õppimine.
„Loodan, et saame nende uute tööriistade kasutuselevõtuga peagi alustada, kuid julgustan teisi masinõppeteadlased peaksid samuti selle suuna uurimist alustama, et seda protsessi kiirendada," Sucholutsky ütles.
Toimetajate soovitused
- Turvarobotid võivad tulla teie lähedal asuvasse kooli
- Amazon kasutab tooteülevaadete kokkuvõtmiseks tehisintellekti
- Amazon plaanib otsingus kord-põlvkonnas muudatusi, selgub töökuulutusest
- Nvidia uusim A.I. tulemused näitavad, et ARM on andmekeskuse jaoks valmis
- Nvidia uus hääl A.I. kõlab nagu päris inimene
Uuendage oma elustiiliDigitaalsed suundumused aitavad lugejatel hoida silma peal kiirel tehnikamaailmal kõigi viimaste uudiste, lõbusate tooteülevaadete, sisukate juhtkirjade ja ainulaadsete lühiülevaadetega.
