Уз веома ретке изузетке, сваки велики напредак у вештачкој интелигенцији овај век је резултат машинског учења. Као што му име имплицира (и супротно симболичком АИ који је карактерисао већи део прве половине историју поља), машинско учење укључује паметне системе који не само да прате правила, већ заправо, па, научити.
Али постоји проблем. За разлику од чак и малог људског детета, машинском учењу треба показати велики број примера обуке пре него што их успешно препозна. Не постоји таква ствар као што је, рецимо, видети објекат као што је „доофер“ (не знате шта је то, али кладимо се да запамтио би га да га видиш) и, након тога, моћи да препознаш сваког следећег доофера који видиш.
Препоручени видео снимци
Ако А.И. ће испунити свој потенцијал, важно је да може да учи на овај начин. Иако проблем тек треба да буде решен, а нови истраживачки рад са Универзитета Ватерло у Онтарију описује а потенцијални пробојни процес названо учење ЛО-схот (или мање од једног ударца). Ово би могло омогућити машинама да уче много брже на начин људи. То би било корисно из широког спектра разлога, али посебно сценарија у којима не постоје велике количине података за обуку.
Обећање учења са мање од једног ударца
„Наш ЛО-схот рад за учење теоретски истражује најмањи могући број узорака који су потребни за обуку модела машинског учења,“ Илиа Суцхолутски, доктор наука студент који ради на пројекту, рекао је за Дигитал Трендс. „Открили смо да модели заправо могу научити да препознају више часова од броја примера обуке који им се дају. Овај резултат смо првобитно приметили емпиријски када смо радили на нашем претходном раду на софт-лабел дестилација скупа података, метод за генерисање сићушних синтетичких скупова података који обучавају моделе до истих перформанси као да су обучени на оригиналном скупу података. Открили смо да можемо да обучимо неуронске мреже да препознају свих 10 цифара - од нула до девет - након што смо били обучени на само пет синтетичких примера, мање од једне по цифри. … Били смо заиста изненађени овим, и то је оно што нас је навело да радимо на овом документу за учење ЛО-схот како бисмо покушали и теоретски разумети шта се дешава.”
Сухолуцки је нагласио да је ово још увек у раној фази. Нови рад показује да је учење ЛО-схотом могуће. Истраживачи сада морају развити алгоритме потребне за учење ЛО-схот. У међувремену је рекао да је тим заинтересовао истраживаче у различитим областима вулканологија, медицинско снимање и сајбер безбедност - сви они могу имати користи од ове врсте А.И. учење.
„Надам се да ћемо ускоро моћи да почнемо да уводимо ове нове алате, али охрабрујем друге Истраживачи машинског учења такође почну да истражују овај правац како би убрзали тај процес“, Сухолуцки рекао.
Препоруке уредника
- Сигурносни роботи могу доћи у школу у вашој близини
- Амазон користи АИ да сумира рецензије производа
- Амазон планира промене „једном у генерацији“ за претрагу, открива оглас за посао
- Нвидијин најновији А.И. резултати доказују да је АРМ спреман за дата центар
- Нвидијин нови глас А.И. звучи као права особа
Надоградите свој животни стилДигитални трендови помажу читаоцима да прате брзи свет технологије са свим најновијим вестима, забавним рецензијама производа, проницљивим уводницима и јединственим кратким прегледима.
