Z bardzo rzadkimi wyjątkami, każdy znaczący postęp w dziedzinie sztucznej inteligencji stulecie było wynikiem uczenia maszynowego. Jak sama nazwa wskazuje (w przeciwieństwie do symbolicznej sztucznej inteligencji, która charakteryzowała większą część pierwszej połowy XX wieku). historia pola), uczenie maszynowe obejmuje inteligentne systemy, które nie tylko przestrzegają zasad, ale w rzeczywistości, cóż, uczyć się.
Ale jest problem. W przeciwieństwie do nawet małego ludzkiego dziecka, uczenie maszynowe wymaga przedstawienia dużej liczby przykładów szkoleniowych, zanim będzie mogło je skutecznie rozpoznać. Nie ma czegoś takiego jak, powiedzmy, zobaczenie obiektu jak „doofer” (nie wiesz, co to jest, ale założymy się, że zapamiętałbyś to, gdybyś takiego zobaczył), a następnie możliwość rozpoznania każdego kolejnego donosiciela, którego zobaczysz.
Polecane filmy
Jeśli A.I. będzie w stanie wykorzystać swój potencjał, ważne jest, aby mógł się w ten sposób uczyć. Chociaż problem nie został jeszcze rozwiązany, a
nowy artykuł badawczy z Uniwersytetu Waterloo w Ontario opisuje A potencjalny proces przełomowy zwane uczeniem się LO-shot (lub mniej niż jeden strzał). Dzięki temu maszyny mogą uczyć się znacznie szybciej, na wzór ludzi. Byłoby to przydatne z wielu powodów, ale szczególnie w scenariuszach, w których nie istnieją duże ilości danych do szkolenia.Obietnica uczenia się mniej niż jednym strzałem
„Nasz dokument edukacyjny LO-shot teoretycznie bada najmniejszą możliwą liczbę próbek potrzebnych do uczenia modeli uczenia maszynowego” Ilia Sucholucki, doktorant studentka pracująca nad projektem, powiedziała Digital Trends. „Odkryliśmy, że modele mogą w rzeczywistości nauczyć się rozpoznawać więcej klas niż liczba podanych im przykładów szkoleniowych. Początkowo zauważyliśmy ten wynik empirycznie podczas pracy nad naszym poprzednim artykułem destylacja zbioru danych metodą miękkiej etykiety, metoda generowania małych syntetycznych zbiorów danych, która szkoli modele z taką samą wydajnością, jak gdyby były szkolone na oryginalnym zbiorze danych. Odkryliśmy, że możemy wytrenować sieci neuronowe tak, aby rozpoznawały wszystkie 10 cyfr – od zera do dziewięciu – po przeszkoleniu na zaledwie pięciu syntetycznych przykładach, mniej niż jednej na cyfrę. …Byliśmy tym naprawdę zaskoczeni i właśnie dlatego pracowaliśmy nad tym dokumentem szkoleniowym dotyczącym LO-shot, aby spróbować teoretycznie zrozumieć, co się dzieje”.
Sucholucki podkreślił, że to dopiero wczesna faza. Nowa praca pokazuje, że uczenie się metodą LO-shot jest możliwe. Naukowcy muszą teraz opracować algorytmy wymagane do przeprowadzenia uczenia się metodą LO-shot. W międzyczasie powiedział, że zespołem interesują się badacze z tak różnorodnych dziedzin, jak wulkanologia, obrazowanie medyczne i cyberbezpieczeństwo – wszystkie te dziedziny mogłyby skorzystać na tego rodzaju sztucznej inteligencji. uczenie się.
„Mam nadzieję, że wkrótce będziemy mogli zacząć wdrażać te nowe narzędzia, ale zachęcam do innych badacze zajmujący się uczeniem maszynowym, aby również zaczęli badać ten kierunek, aby przyspieszyć ten proces”, Sucholutsky powiedział.
Zalecenia redaktorów
- Roboty zabezpieczające mogą pojawić się w pobliskiej szkole
- Amazon wdraża sztuczną inteligencję, aby podsumowywać recenzje produktów
- Jak wynika z ogłoszenia o pracę, Amazon planuje zmiany w wyszukiwarce „raz na pokolenie”.
- Najnowsza sztuczna inteligencja Nvidii wyniki dowodzą, że ARM jest gotowy na centrum danych
- Nowy głos Nvidii A.I. brzmi jak prawdziwa osoba
Ulepsz swój styl życiaDigital Trends pomaga czytelnikom śledzić szybko rozwijający się świat technologii dzięki najnowszym wiadomościom, zabawnym recenzjom produktów, wnikliwym artykułom redakcyjnym i jedynym w swoim rodzaju zajawkom.
