뒤에 이론 신경망과 유사한 기계 학습 도구 즉, 인간의 두뇌와 유사한 방식으로 기능하고 더 구체적으로 학습한다는 것입니다. 우리가 시행착오를 통해 세상을 발견하는 것처럼 현대 인공지능도 마찬가지입니다. 그러나 실제로는 상황이 조금 다릅니다. 어린 시절 학습에는 기계가 복제할 수 없는 측면이 있으며, 이는 많은 영역에서 인간을 우수한 학습자로 만드는 요소 중 하나입니다.
뉴욕 대학의 연구원들은 이를 바꾸기 위해 노력하고 있습니다. 연구원 카니스크 간디 그리고 브렌든 호수 아이들에게 존재하는 "상호 배타성 편견"이라는 것이 어떻게 AI를 만드는 데 도움이 될 수 있는지 탐구했습니다. 언어 이해와 같은 학습 작업에 있어서는 더 좋습니다.
추천 동영상
“아이들이 새로운 단어를 배우려고 노력할 때, 그들은 가능한 공간을 좁히기 위해 귀납적 편견에 의존합니다. 뉴욕 대학교 인간 및 기계 학습 연구소의 대학원생인 Gandhi는 Digital과의 인터뷰에서 이렇게 말했습니다. 동향. “상호 배타성(ME)은 사물에 하나의 이름이 있으면 다른 이름은 가질 수 없다는 아이들의 믿음입니다. 상호 배타성은 모호한 맥락에서 새로운 단어의 의미를 이해하는 데 도움이 됩니다. 예를 들어, 아이들에게 친숙한 물건과 익숙하지 않은 물건이 제시되었을 때 'dax를 보여주세요'라고 말하면 익숙하지 않은 물건을 선택하는 경향이 있습니다."
관련된
- 이러한 독창적인 아이디어는 AI를 조금 덜 사악하게 만드는 데 도움이 될 수 있습니다.
- Meta가 비디오용으로 DALL-E를 만들었는데, 오싹하면서도 놀랍습니다.
- 착시 현상은 차세대 AI를 구축하는 데 도움이 될 수 있습니다
연구자들은 그들의 연구를 통해 몇 가지 아이디어를 탐구하고 싶었습니다. 하나는 일반적인 학습 패러다임을 사용하여 훈련된 딥 러닝 알고리즘이 상호 배타적으로 추론할 수 있는지 조사하는 것이었습니다. 그들은 또한 상호 배타성에 의한 추론이 딥 러닝을 사용하여 일반적으로 다루는 작업에서 알고리즘을 학습하는 데 도움이 되는지 확인하고 싶었습니다.
이러한 조사를 수행하기 위해 연구원들은 먼저 단어 쌍을 해당 의미와 연결하도록 400개의 신경망을 훈련했습니다. 그런 다음 신경망은 이전에 본 적이 없는 10개의 단어에 대해 테스트되었습니다. 그들은 새로운 단어가 알려지지 않은 의미보다는 알려진 의미에 해당할 가능성이 높다고 예측했습니다. 이는 A.I. 배타성 편향이 없습니다. 다음으로 연구진은 AI에 도움이 되는 데이터 세트를 분석했습니다. 언어를 번역합니다. 이는 배타성 편향이 기계에 도움이 될 것임을 보여주는 데 도움이 되었습니다.
“우리의 결과는 이러한 특성이 일반적인 기계 학습 작업의 구조와 잘 일치하지 않는다는 것을 보여줍니다.”라고 Gandhi는 계속 말했습니다. “ME는 특히 훈련 초기 단계에서 일반적인 번역 및 분류 작업에서 일반화를 위한 단서로 사용될 수 있습니다. 우리는 편견을 보이는 것이 학습 알고리즘이 더 빠르고 적응 가능한 방식으로 학습하는 데 도움이 될 것이라고 믿습니다.”
간디와 호수처럼 종이에 쓰다 그들의 작업을 설명하면 다음과 같습니다. “강한 귀납적 편견을 통해 아이들은 빠르고 적응 가능한 방식으로 학습할 수 있습니다. 여전히 개방적인 상호 배타성을 바탕으로 추론하는 신경망 설계에 대한 설득력 있는 사례 도전."
편집자의 추천
- Apple의 ChatGPT 라이벌이 자동으로 코드를 작성할 수 있습니다
- 포토샵 AI는 '행복'을 썩은 치아의 미소라고 생각한다
- 내 우스꽝스러운 스타트업 아이디어를 로봇 VC에게 피칭했다
- AI가 실제로 지각을 갖게 되는 시점을 어떻게 알 수 있나요?
- 마이크로소프트가 소름끼치는 감정 판독 AI를 중단했다.
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.
