Teorija aiz muguras mašīnmācības rīki, kas ir kā neironu tīkli ir tas, ka tie darbojas un, konkrētāk, mācās līdzīgi kā cilvēka smadzenes. Tāpat kā mēs atklājam pasauli, izmantojot izmēģinājumus un kļūdas, to dara arī mūsdienu mākslīgais intelekts. Tomēr praksē lietas ir nedaudz atšķirīgas. Ir bērnības mācīšanās aspekti, kurus mašīnas nevar atkārtot, un tās ir viena no lietām, kas daudzās jomās padara cilvēkus par labākiem izglītojamiem.
Ņujorkas universitātes pētnieki strādā, lai to mainītu. Pētnieki Kanišks Gandijs un Brendenas ezers ir izpētījuši, kā kaut kas, ko sauc par “savstarpējās ekskluzivitātes aizspriedumiem”, kas ir sastopams bērniem, varētu palīdzēt padarīt A.I. labāk, ja runa ir par mācīšanās uzdevumiem, piemēram, valodas izpratni.
Ieteiktie videoklipi
"Kad bērni cenšas iemācīties jaunu vārdu, viņi paļaujas uz induktīviem aizspriedumiem, lai sašaurinātu iespējamo vietu nozīmē Gandijs, Ņujorkas Universitātes Human & Machine Learning Lab absolvents Tendences. “Savstarpējā ekskluzivitāte (ME) ir pārliecība, ka bērniem ir tāds, ka, ja objektam ir viens nosaukums, tam nevar būt cits nosaukums. Savstarpēja ekskluzivitāte palīdz mums izprast jauna vārda nozīmi neskaidros kontekstos. Piemēram, [ja] bērniem tiek likts “parādīt man dēli”, kad viņiem tiek uzrādīts pazīstams un nepazīstams objekts, viņi mēdz izvēlēties nepazīstamo.
Saistīts
- Šīs ģeniālās idejas varētu palīdzēt padarīt AI mazliet mazāk ļaunu
- Meta izveidoja DALL-E video, un tas ir gan rāpojošs, gan pārsteidzošs
- Optiskās ilūzijas varētu palīdzēt mums izveidot nākamās paaudzes AI
Pētnieki ar savu darbu vēlējās izpētīt pāris idejas. Viens no tiem bija izpētīt, vai dziļās mācīšanās algoritmi, kas apmācīti, izmantojot kopīgas mācīšanās paradigmas, varētu radīt savstarpēju ekskluzivitāti. Viņi arī vēlējās noskaidrot, vai savstarpējas ekskluzivitātes spriešana palīdzētu apgūt algoritmus uzdevumos, kas parasti tiek risināti, izmantojot dziļo mācīšanos.
Lai veiktu šos pētījumus, pētnieki vispirms apmācīja 400 neironu tīklus, lai saistītu vārdu pārus ar to nozīmi. Pēc tam neironu tīkli tika pārbaudīti ar 10 vārdiem, kurus viņi nekad agrāk nebija redzējuši. Viņi paredzēja, ka jauni vārdi, visticamāk, atbildīs zināmām nozīmēm, nevis nezināmām. Tas liek domāt, ka A.I. nav ekskluzivitātes aizspriedumu. Pēc tam pētnieki analizēja datu kopas, kas palīdz A.I. tulkot valodas. Tas palīdzēja parādīt, ka ekskluzivitātes novirze būtu izdevīga mašīnām.
"Mūsu rezultāti liecina, ka šīs īpašības ir slikti saskaņotas ar parasto mašīnmācīšanās uzdevumu struktūru," turpināja Gandijs. “ME var izmantot kā signālu vispārināšanai parastos tulkošanas un klasifikācijas uzdevumos, īpaši apmācības sākumposmā. Mēs uzskatām, ka neobjektivitātes parādīšana palīdzētu mācību algoritmiem mācīties ātrāk un pielāgojamāk.
Kā Gandijs un ezers rakstīt avīzē aprakstot savu darbu: “Spēcīgi induktīvie aizspriedumi ļauj bērniem mācīties ātri un pielāgojamā veidā… pārliecinošs gadījums neironu tīklu projektēšanai, ko izraisa savstarpēja ekskluzivitāte, kas joprojām ir atklāta izaicinājums.”
Redaktoru ieteikumi
- Apple ChatGPT sāncensis var automātiski rakstīt kodu jūsu vietā
- Photoshop AI uzskata, ka “laime” ir smaids ar sapuvušiem zobiem
- Es izteicu savu smieklīgo starta ideju robotam VC
- Kā mēs uzzināsim, kad mākslīgais intelekts patiešām kļūst jūtīgs?
- Microsoft pārtrauc savu rāpojošo, emociju lasīšanas A.I.
Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi straujajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.
