매우 드문 경우를 제외하고는 모든 인공지능의 획기적인 발전 금세기는 머신러닝의 결과였습니다. 이름에서 알 수 있듯이(그리고 2000년대 전반부의 특징이었던 상징적 AI에 반대됩니다.) 분야의 역사), 기계 학습에는 규칙을 따르는 것뿐만 아니라 실제로는 배우다.
하지만 문제가 있습니다. 작은 인간 어린이와는 달리, 기계 학습은 성공적으로 인식하기 전에 많은 수의 훈련 사례를 보여줘야 합니다. 예를 들어 "두퍼"와 같은 물체를 보는 것과 같은 것은 없습니다. (당신은 그것이 무엇인지 모르지만 장담합니다. 만약 본다면 그것을 기억할 것입니다) 그리고 그 이후에 당신이 보는 모든 두퍼를 인식할 수 있습니다.
추천 동영상
만약 A.I. 잠재력을 최대한 발휘할 수 있으려면 이런 방식으로 학습할 수 있는 것이 중요합니다. 문제가 아직 해결되지 않은 반면, 온타리오 워털루 대학교의 새로운 연구 논문 설명합니다 잠재적인 획기적인 프로세스 LO-shot(또는 1회 미만) 학습이라고 합니다. 이를 통해 기계는 인간과 마찬가지로 훨씬 더 빠르게 학습할 수 있습니다. 이는 다양한 이유로 유용할 수 있지만 특히 훈련을 위한 대량의 데이터가 존재하지 않는 시나리오에 유용합니다.
원샷 학습의 약속
"우리의 LO-shot 학습 논문은 이론적으로 기계 학습 모델을 훈련하는 데 필요한 최소한의 샘플 수를 탐색합니다." 일리아 수콜루츠키, 박사 학위 프로젝트에 참여하는 학생이 Digital Trends에 말했습니다. “우리는 모델이 실제로 주어진 훈련 사례의 수보다 더 많은 클래스를 인식하는 방법을 학습할 수 있다는 것을 발견했습니다. 우리는 처음에 이전 논문을 작업할 때 경험적으로 이 결과를 발견했습니다. 소프트 라벨 데이터세트 증류, 원본 데이터 세트에서 훈련된 것과 동일한 성능으로 모델을 훈련하는 작은 합성 데이터 세트를 생성하는 방법입니다. 우리는 숫자당 1개 미만인 5개의 합성 예제에 대해 훈련한 후 신경망이 0부터 9까지 10개의 숫자를 모두 인식하도록 훈련할 수 있다는 것을 발견했습니다.... 우리는 이것에 정말 놀랐고, 이것이 우리가 무슨 일이 일어나고 있는지 이론적으로 이해하기 위해 이 LO-shot 학습 문서를 작성하게 된 이유입니다.”
Sucholutsky는 이것이 아직 초기 단계라고 강조했습니다. 새로운 논문은 LO-shot 학습이 가능하다는 것을 보여줍니다. 이제 연구원들은 LO-shot 학습을 수행하는 데 필요한 알고리즘을 개발해야 합니다. 그 동안 그는 팀이 다음과 같은 다양한 분야의 연구자로부터 관심을 받았다고 말했습니다. 화산학, 의료 영상, 사이버 보안 등 모두 이러한 종류의 AI로부터 혜택을 받을 수 있습니다. 학습.
“이러한 새로운 도구를 곧 출시할 수 있기를 바라지만, 다른 사람들에게도 권장합니다. 기계 학습 연구자들은 프로세스 속도를 높이기 위해 이 방향을 탐색하기 시작했습니다.” Sucholutsky 말했다.
편집자의 추천
- 보안 로봇이 가까운 학교에 올 수 있다
- Amazon, AI를 배포하여 제품 리뷰 요약
- Amazon, 검색에 '한 세대에 한 번' 변경 계획 발표, 구인 광고 공개
- 엔비디아의 최신 AI 결과는 ARM이 데이터 센터에 대한 준비가 되어 있음을 입증합니다.
- 엔비디아의 새로운 목소리 A.I. 진짜 사람처럼 들리네
당신의 라이프스타일을 업그레이드하세요Digital Trends는 독자들이 모든 최신 뉴스, 재미있는 제품 리뷰, 통찰력 있는 사설 및 독특한 미리보기를 통해 빠르게 변화하는 기술 세계를 계속해서 살펴볼 수 있도록 도와줍니다.
