Z zelo redkimi izjemami vsak velik napredek na področju umetne inteligence to stoletje je rezultat strojnega učenja. Kot pove že ime (in v nasprotju s simboličnim AI, ki je bil značilen za večino prve polovice zgodovina področja), strojno učenje vključuje pametne sisteme, ki ne sledijo le pravilom, ampak dejansko, no, učiti se.
Vendar obstaja težava. Za razliko od celo majhnega človeškega otroka je treba strojnemu učenju pokazati veliko število primerov usposabljanja, preden jih lahko uspešno prepozna. Ni takega, kot je, recimo, videti predmet, kot je "doofer" (ne veste, kaj je to, vendar stavimo, da bi si ga zapomnil, če bi ga videl) in potem lahko prepoznaš vsakega naslednjega dooferja, ki ga vidiš.
Priporočeni videoposnetki
Če A.I. bo izkoristil svoj potencial, je pomembno, da se lahko uči na ta način. Čeprav problem še ni rešen, a nov raziskovalni članek Univerze Waterloo v Ontariu opisuje a potencialni prebojni proces imenovano LO-shot (ali manj kot en strel) učenje. To bi lahko omogočilo strojem, da se učijo veliko hitreje kot ljudje. To bi bilo uporabno iz številnih razlogov, zlasti pa v scenarijih, v katerih ni na voljo velike količine podatkov za usposabljanje.
Obljuba učenja v manj kot enem strelu
"Naš LO-shot učni dokument teoretično raziskuje najmanjše možno število vzorcev, ki so potrebni za usposabljanje modelov strojnega učenja," Ilia Sucholutsky, doktorat znanosti študent, ki dela na projektu, je povedal za Digital Trends. »Ugotovili smo, da se modeli dejansko lahko naučijo prepoznati več razredov, kot je število primerov usposabljanja, ki so jim dani. Ta rezultat smo sprva opazili empirično, ko smo delali na našem prejšnjem dokumentu destilacija nabora podatkov z mehko oznako, metoda za generiranje majhnih sintetičnih naborov podatkov, ki usposabljajo modele za enako zmogljivost, kot če bi se usposabljali na izvirnem naboru podatkov. Ugotovili smo, da lahko nevronske mreže usposobimo za prepoznavanje vseh 10 števk – od nič do devet – po tem, ko smo se učili na samo petih sintetičnih primerih, manj kot enem na števko. … To nas je res presenetilo in to nas je pripeljalo do tega, da smo delali na tem učnem dokumentu LO-shot, da bi poskušali teoretično razumeti, kaj se dogaja.«
Sucholutsky je poudaril, da je to še vedno zgodnja faza. Novi dokument kaže, da je učenje LO-shot mogoče. Raziskovalci morajo zdaj razviti algoritme, potrebne za izvajanje učenja LO-shot. Medtem je dejal, da je ekipa prejela zanimanje raziskovalcev na tako raznolikih področjih, kot so vulkanologija, medicinsko slikanje in kibernetska varnost – vsem bi lahko koristila tovrstna AI. učenje.
»Upam, da bomo lahko kmalu začeli uvajati ta nova orodja, vendar spodbujam druge raziskovalci strojnega učenja, da začnejo raziskovati tudi to smer, da pospešijo ta proces,« Sucholutsky rekel.
Priporočila urednikov
- Varnostni roboti morda prihajajo v šolo v vaši bližini
- Amazon uporablja AI za povzetek ocen izdelkov
- Amazon načrtuje spremembe "enkrat v generaciji" za iskanje, razkriva zaposlitveni oglas
- Nvidijin najnovejši AI rezultati dokazujejo, da je ARM pripravljen za podatkovni center
- Nvidijin novi glasovni AI zveni tako kot prava oseba
Nadgradite svoj življenjski slogDigitalni trendi bralcem pomagajo slediti hitremu svetu tehnologije z vsemi najnovejšimi novicami, zabavnimi ocenami izdelkov, pronicljivimi uvodniki in enkratnimi vpogledi v vsebine.
