Ar ļoti retiem izņēmumiem, katrs liels sasniegums mākslīgā intelekta jomā šis gadsimts ir bijis mašīnmācības rezultāts. Kā norāda tās nosaukums (un pretrunā ar simbolisko A.I., kas raksturoja lielu daļu no pirmās puses lauka vēsture), mašīnmācība ietver viedas sistēmas, kas ne tikai ievēro noteikumus, bet arī patiesībā, labi, mācīties.
Bet ir problēma. Atšķirībā no pat maza cilvēka bērna, mašīnmācībai ir jāparāda liels skaits apmācības piemēru, lai tā varētu tos veiksmīgi atpazīt. Nav tādas lietas kā, teiksim, redzēt objektu, piemēram, "durkli" (jūs nezināt, kas tas ir, bet mēs deram, ka atcerētos, ja tādu redzētu), un pēc tam spētu atpazīt katru nākamo redzēto durkli.
Ieteiktie videoklipi
Ja A.I. izmantos savu potenciālu, ir svarīgi, lai tas varētu mācīties šādā veidā. Kamēr problēma vēl ir jāatrisina, a jauns pētniecības darbs no Vaterlo universitātes Ontario apraksta a potenciāls izrāviena process ko sauc par LO-shot (vai mazāk par vienu šāvienu) mācīšanos. Tas varētu ļaut mašīnām mācīties daudz ātrāk, kā cilvēkiem. Tas būtu noderīgi dažādu iemeslu dēļ, bet jo īpaši gadījumos, kad apmācībai nav pieejams liels datu apjoms.
Solījums mācīties mazāk nekā vienu reizi
"Mūsu LO-shot mācību dokuments teorētiski pēta mazāko iespējamo paraugu skaitu, kas nepieciešams, lai apmācītu mašīnmācības modeļus." Ilija Sucholuckis, Ph.D. students, kas strādā pie projekta, pastāstīja Digital Trends. "Mēs noskaidrojām, ka modeļi faktiski var iemācīties atpazīt vairāk nodarbību nekā tiem sniegto apmācības piemēru skaits. Mēs sākotnēji pamanījām šo rezultātu empīriski, strādājot pie mūsu iepriekšējā dokumenta mīkstās etiķetes datu kopas destilācija, metode sīku sintētisku datu kopu ģenerēšanai, kas apmāca modeļus tādā pašā veiktspējā kā tad, ja tie būtu apmācīti sākotnējā datu kopā. Mēs atklājām, ka mēs varam apmācīt neironu tīklus atpazīt visus 10 ciparus — no nulles līdz deviņiem — pēc tam, kad esam apmācīti tikai piecos sintētiskos piemēros, mazāk par vienu katrā ciparā.... Tas mūs patiešām pārsteidza, un tas lika mums strādāt pie šī LO-shot mācību darba, lai mēģinātu teorētiski saprast, kas notiek.
Sucholuckis uzsvēra, ka tas vēl ir sākuma posms. Jaunais dokuments parāda, ka ir iespējama LO-shot mācīšanās. Pētniekiem tagad ir jāizstrādā algoritmi, kas nepieciešami, lai veiktu LO-shot mācīšanos. Tikmēr viņš teica, ka komanda ir saņēmusi interesi no pētniekiem tik dažādās jomās kā vulkanoloģija, medicīniskā attēlveidošana un kiberdrošība — tie visi varētu gūt labumu no šāda veida A.I. mācīšanās.
"Es ceru, ka mēs drīz varēsim sākt ieviest šos jaunos rīkus, taču es mudinu citus mašīnmācības pētniekiem, lai arī sāktu pētīt šo virzienu, lai paātrinātu šo procesu," Sucholutsky teica.
Redaktoru ieteikumi
- Drošības roboti varētu ierasties skolā netālu no jums
- Amazon izvieto AI, lai apkopotu produktu pārskatus
- Amazon plāno "vienreiz paaudzē" izmaiņas meklēšanai, atklāj darba sludinājumi
- Nvidia jaunākais A.I. rezultāti pierāda, ka ARM ir gatavs datu centram
- Nvidia jaunā balss A.I. izklausās gluži kā īsts cilvēks
Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi steidzīgajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.
