Uz vrlo rijetke iznimke, svaki veliki napredak u umjetnoj inteligenciji ovo stoljeće je rezultat strojnog učenja. Kao što mu ime govori (i suprotno simboličnoj umjetnoj inteligenciji koja je karakterizirala veći dio prve polovice povijest polja), strojno učenje uključuje pametne sustave koji ne slijede samo pravila, već zapravo, pa, naučiti.
Ali postoji problem. Za razliku čak i od malog ljudskog djeteta, strojno učenje treba pokazati velik broj primjera obuke prije nego što ih može uspješno prepoznati. Ne postoji takva stvar kao što je, recimo, vidjeti predmet poput "doofera" (ne znate što je to, ali kladimo se da zapamtio bi ga da si ga vidio) i, nakon toga, mogućnost prepoznavanja svakog sljedećeg doofera kojeg vidiš.
Preporučeni videozapisi
Ako A.I. ispunit će svoj potencijal, važno je da može učiti na ovaj način. Iako problem tek treba riješiti, a novi istraživački rad sa Sveučilišta Waterloo u Ontariju opisuje a potencijalni prodorni proces nazvano LO-shot (ili manje od jednog udarca) učenje. To bi moglo omogućiti strojevima da uče puno brže na način na koji to rade ljudi. To bi bilo korisno iz niza razloga, ali posebno u scenarijima u kojima ne postoje velike količine podataka za obuku.
Obećanje učenja za manje od jednog pokušaja
"Naš LO-shot dokument učenja teoretski istražuje najmanji mogući broj uzoraka koji su potrebni za treniranje modela strojnog učenja," Ilia Sucholutsky, doktorat znanosti student koji radi na projektu, rekao je za Digital Trends. “Otkrili smo da modeli zapravo mogu naučiti prepoznati više klasa od broja primjera obuke koji su im dati. Prvo smo empirijski primijetili ovaj rezultat radeći na našem prethodnom radu soft-label destilacija skupa podataka, metoda za generiranje sićušnih sintetičkih skupova podataka koji treniraju modele za istu izvedbu kao da su trenirani na izvornom skupu podataka. Otkrili smo da možemo istrenirati neuralne mreže da prepoznaju svih 10 znamenki — od nule do devet — nakon što smo bili uvježbani na samo pet sintetičkih primjera, manje od jedne po znamenki. … Bili smo jako iznenađeni time i to nas je dovelo do toga da radimo na ovom dokumentu za učenje LO-shot kako bismo pokušali teoretski razumjeti što se događa.”
Sucholutsky je naglasio da je to još rana faza. Novi rad pokazuje da je LO-shot učenje moguće. Istraživači sada moraju razviti algoritme potrebne za izvođenje LO-shot učenja. U međuvremenu je rekao da se tim zainteresirao od strane istraživača u različitim područjima kao što su vulkanologija, medicinsko snimanje i kibernetička sigurnost - svi bi mogli imati koristi od ove vrste U.I. učenje.
“Nadam se da ćemo uskoro moći početi s uvođenjem ovih novih alata, ali ohrabrujem i druge istraživači strojnog učenja da također počnu istraživati ovaj smjer kako bi ubrzali taj proces,” Sucholutsky rekao je.
Preporuke urednika
- Sigurnosni roboti možda dolaze u školu u vašoj blizini
- Amazon koristi AI za sažimanje recenzija proizvoda
- Amazon planira promjene 'jednom u generaciji' za pretraživanje, otkriva oglas za posao
- Najnoviji Nvidijin A.I. rezultati dokazuju da je ARM spreman za podatkovni centar
- Nvidijin novi glas A.I. zvuči kao prava osoba
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
