Теория, лежащая в основе инструменты машинного обучения, похожие на нейронные сети заключается в том, что они функционируют и, точнее, обучаются аналогично человеческому мозгу. Точно так же, как мы познаём мир методом проб и ошибок, так же поступает и современный искусственный интеллект. Однако на практике дела обстоят немного иначе. Существуют аспекты детского обучения, которые машины не могут воспроизвести, и именно они во многих областях делают людей превосходными учениками.
Исследователи из Нью-Йоркского университета работают над тем, чтобы изменить эту ситуацию. Исследователи Канишк Ганди и Бренден Лейк исследовали, как так называемая «предвзятость взаимной исключительности», присущая детям, может помочь сделать ИИ лучше, когда дело доходит до задач обучения, таких как понимание языка.
Рекомендуемые видео
«Когда дети пытаются выучить новое слово, они полагаются на индуктивные предубеждения, чтобы сузить пространство возможных слов. значения», — рассказал Ганди, аспирант Лаборатории человеческого и машинного обучения Нью-Йоркского университета. Тенденции. «Взаимная исключительность (МЕ) — это убеждение детей в том, что если у объекта есть одно имя, у него не может быть другого. Взаимная исключительность помогает нам понять значение нового слова в неоднозначном контексте. Например, [если] детям говорят «покажи мне дакс», когда им предъявляют знакомый и незнакомый предмет, они склонны выбирать незнакомый».
Связанный
- Эти гениальные идеи могут помочь сделать ИИ немного менее злым
- Мета сделала DALL-E для видео, и это одновременно жутко и потрясающе
- Оптические иллюзии могут помочь нам создать ИИ следующего поколения
Исследователи хотели изучить несколько идей в своей работе. Одна из них заключалась в том, чтобы выяснить, будут ли алгоритмы глубокого обучения, обученные с использованием общих парадигм обучения, рассуждать о взаимной исключительности. Они также хотели посмотреть, помогут ли рассуждения на основе взаимного исключения изучить алгоритмы в задачах, которые обычно решаются с помощью глубокого обучения.
Для проведения этих исследований исследователи сначала обучили 400 нейронных сетей связывать пары слов с их значениями. Затем нейронные сети были протестированы на 10 словах, которые они никогда раньше не видели. Они предсказали, что новые слова, скорее всего, будут соответствовать известным значениям, а не неизвестным. Это говорит о том, что А.И. не имеет пристрастия к исключительности. Затем исследователи проанализировали наборы данных, которые помогают ИИ. переводить языки. Это помогло показать, что предвзятость к эксклюзивности будет полезна для машин.
«Наши результаты показывают, что эти характеристики плохо соответствуют структуре обычных задач машинного обучения», — продолжил Ганди. «ME можно использовать в качестве подсказки для обобщения при выполнении обычных задач по переводу и классификации, особенно на ранних этапах обучения. Мы считаем, что проявление предвзятости поможет алгоритмам обучения учиться быстрее и более адаптируемыми способами».
Как Ганди и озеро написать в газете описывая свою работу: «Сильные индуктивные искажения позволяют детям учиться быстро и легко адаптируясь… Существует убедительные аргументы в пользу разработки нейронных сетей, основанных на взаимной исключительности, которые остаются открытыми. испытание."
Рекомендации редакции
- Конкурент Apple ChatGPT может автоматически писать для вас код
- Искусственный интеллект Photoshop считает, что «счастье» — это улыбка с гнилыми зубами
- Я поделился своей нелепой идеей стартапа с роботом-венчурцем.
- Как мы узнаем, когда ИИ действительно станет разумным?
- Microsoft отказывается от своего жуткого искусственного интеллекта, читающего эмоции.
Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.
