Až na veľmi zriedkavé výnimky, každý veľký pokrok v oblasti umelej inteligencie toto storočie bolo výsledkom strojového učenia. Ako naznačuje jeho názov (a v rozpore so symbolickým AI, ktorý charakterizoval veľkú časť prvej polovice história poľa), strojové učenie zahŕňa inteligentné systémy, ktoré sa nielen riadia pravidlami, ale v skutočnosti, dobre, učiť sa.
Ale je tu problém. Na rozdiel od malého ľudského dieťaťa, strojovému učeniu je potrebné ukázať veľké množstvo tréningových príkladov, kým ich dokáže úspešne rozpoznať. Neexistuje nič také, ako napríklad vidieť predmet ako „doofer“ (neviete, čo to je, ale stavíme sa, že zapamätal by si to, keby ste nejakého videli) a potom by ste boli schopní rozpoznať každého ďalšieho doofera, ktorého uvidíte.
Odporúčané videá
Ak A.I. naplní svoj potenciál, je dôležité, aby sa to naučilo týmto spôsobom. Zatiaľ čo problém ešte nie je vyriešený, a nový výskumný dokument z University of Waterloo v Ontáriu opisuje a potenciálny prelomový proces nazývané učenie LO-shot (alebo menej ako jeden výstrel). To by mohlo umožniť strojom učiť sa oveľa rýchlejšie ako ľudia. To by bolo užitočné z mnohých dôvodov, ale najmä pre scenáre, v ktorých neexistujú veľké množstvá údajov na školenie.
Prísľub učenia na menej ako jeden výstrel
„Náš vzdelávací dokument LO-shot teoreticky skúma najmenší možný počet vzoriek, ktoré sú potrebné na trénovanie modelov strojového učenia,“ Ilia Sucholutsky, PhD. študent pracujúci na projekte, povedal Digital Trends. „Zistili sme, že modely sa môžu skutočne naučiť rozpoznávať viac tried, ako je počet tréningových príkladov, ktoré dostanú. Tento výsledok sme si spočiatku všimli empiricky pri práci na našom predchádzajúcom článku destilácia soft-label datasetu, metóda na generovanie malých syntetických súborov údajov, ktoré trénujú modely na rovnaký výkon, ako keby boli trénované na pôvodnom súbore údajov. Zistili sme, že dokážeme trénovať neurónové siete tak, aby rozpoznali všetkých 10 číslic – nula až deväť – po tom, čo sme boli trénovaní iba na piatich syntetických príkladoch, menej ako jednu na číslicu. … Boli sme tým skutočne prekvapení a to nás viedlo k tomu, že sme pracovali na tomto učebnom papieri LO-shot, aby sme sa pokúsili teoreticky pochopiť, čo sa deje.“
Sucholutsky zdôraznil, že toto je ešte len počiatočná fáza. Nový dokument ukazuje, že učenie LO-shot je možné. Výskumníci teraz musia vyvinúť algoritmy potrebné na vykonávanie učenia LO-shot. Medzičasom povedal, že tím sa zaujímal o výskumníkov v takých rôznorodých oblastiach, ako je vulkanológia, lekárske zobrazovanie a kybernetická bezpečnosť – všetci by mohli ťažiť z tohto druhu A.I. učenie.
„Dúfam, že tieto nové nástroje budeme môcť začať uvádzať už čoskoro, ale povzbudzujem aj ostatných výskumníci strojového učenia, aby tiež začali skúmať tento smer s cieľom urýchliť tento proces,“ Sucholutsky povedal.
Odporúčania redaktorov
- Do školy blízko vás môžu prísť bezpečnostné roboty
- Amazon nasadil AI na zhrnutie recenzií produktov
- Amazon plánuje zmeny „raz za generáciu“ pre vyhľadávanie, odhaľuje pracovný inzerát
- Najnovšie A.I od Nvidie. výsledky dokazujú, že ARM je pripravený na dátové centrum
- Nový hlas Nvidie A.I. znie ako skutočný človek
Zlepšite svoj životný štýlDigitálne trendy pomáhajú čitateľom mať prehľad o rýchlo sa rozvíjajúcom svete technológií so všetkými najnovšími správami, zábavnými recenziami produktov, užitočnými úvodníkmi a jedinečnými ukážkami.
