Dengan pengecualian yang sangat jarang, setiap kemajuan besar dalam kecerdasan buatan abad ini adalah hasil pembelajaran mesin. Sesuai dengan namanya (dan bertentangan dengan A.I. simbolis yang menjadi ciri sebagian besar paruh pertama game ini sejarah lapangan), pembelajaran mesin melibatkan sistem cerdas yang tidak hanya mengikuti aturan tetapi sebenarnya, baik, mempelajari.
Tapi ada masalah. Berbeda dengan anak manusia yang masih kecil, pembelajaran mesin perlu diperlihatkan contoh pelatihan dalam jumlah besar sebelum dapat dikenali dengan sukses. Tidak ada yang namanya, katakanlah, melihat objek seperti “doofer” (Anda tidak tahu apa itu, tapi kami yakin Anda akan mengingatnya jika Anda melihatnya) dan, setelah itu, mampu mengenali setiap doofer berikutnya yang Anda lihat.
Video yang Direkomendasikan
Jika A.I. akan mencapai potensinya, penting bagi mereka untuk belajar dengan cara ini. Meskipun masalahnya belum terpecahkan, a makalah penelitian baru dari Universitas Waterloo di Ontario
menggambarkan a proses terobosan potensial disebut pembelajaran LO-shot (atau kurang dari satu tembakan). Hal ini memungkinkan mesin belajar jauh lebih cepat seperti yang dilakukan manusia. Hal ini akan berguna untuk berbagai alasan, namun khususnya skenario ketika data dalam jumlah besar tidak tersedia untuk pelatihan.Janji pembelajaran kurang dari satu kesempatan
“Makalah pembelajaran LO-shot kami secara teoritis mengeksplorasi jumlah sampel sekecil mungkin yang diperlukan untuk melatih model pembelajaran mesin,” Ilia Sucholutsky, gelar Ph.D. siswa yang mengerjakan proyek tersebut, mengatakan kepada Digital Trends. “Kami menemukan bahwa model sebenarnya dapat belajar mengenali lebih banyak kelas daripada jumlah contoh pelatihan yang diberikan. Kami awalnya memperhatikan hasil ini secara empiris ketika mengerjakan makalah kami sebelumnya distilasi kumpulan data label lunak, sebuah metode untuk menghasilkan kumpulan data sintetis kecil yang melatih model dengan performa yang sama seolah-olah model tersebut dilatih pada kumpulan data asli. Kami menemukan bahwa kami dapat melatih jaringan saraf untuk mengenali 10 digit – nol hingga sembilan – setelah dilatih hanya dengan lima contoh sintetis, kurang dari satu per digit. … Kami sangat terkejut dengan hal ini, dan itulah yang mendorong kami mengerjakan makalah pembelajaran LO-shot ini untuk mencoba dan secara teoritis memahami apa yang sedang terjadi.”
Sucholutsky menekankan bahwa ini masih tahap awal. Makalah baru menunjukkan bahwa pembelajaran LO-shot dimungkinkan. Para peneliti sekarang harus mengembangkan algoritma yang diperlukan untuk melakukan pembelajaran LO-shot. Sementara itu, dia mengatakan tim tersebut telah menerima minat dari para peneliti di berbagai bidang vulkanologi, pencitraan medis, dan keamanan siber – semuanya dapat memperoleh manfaat dari teknologi AI semacam ini. sedang belajar.
“Saya berharap kita dapat segera meluncurkan alat-alat baru ini, tetapi saya mendorong alat-alat lain peneliti pembelajaran mesin juga mulai mengeksplorasi arah ini untuk mempercepat proses tersebut,” Sucholutsky dikatakan.
Rekomendasi Editor
- Robot keamanan mungkin datang ke sekolah di dekat Anda
- Amazon menerapkan AI untuk merangkum ulasan produk
- Amazon merencanakan perubahan 'sekali dalam satu generasi' untuk Pencarian, ungkap iklan pekerjaan
- A.I. Hasil membuktikan bahwa ARM siap untuk pusat data
- Suara baru Nvidia A.I. terdengar seperti orang sungguhan
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terbaru, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
