รูปแบบใหม่ของ A.I. เรียนรู้สิ่งต่าง ๆ ด้วยวิธีที่แตกต่างอย่างสิ้นเชิง

โดยมีข้อยกเว้นที่หายากมากทุกๆ ความก้าวหน้าครั้งสำคัญในด้านปัญญาประดิษฐ์ ศตวรรษนี้เป็นผลมาจากการเรียนรู้ของเครื่อง ดังที่ชื่อของมันสื่อถึง (และขัดแย้งกับ A.I. ที่เป็นสัญลักษณ์ซึ่งมีลักษณะเฉพาะส่วนใหญ่ของครึ่งแรกของ ประวัติศาสตร์ของภาคสนาม) แมชชีนเลิร์นนิงเกี่ยวข้องกับระบบอัจฉริยะที่ไม่เพียงแต่ทำตามกฎเท่านั้น แต่จริงๆ แล้ว ก็คือ เรียนรู้.

แต่มีปัญหาเกิดขึ้น แมชชีนเลิร์นนิงต้องแสดงตัวอย่างการฝึกอบรมจำนวนมากไม่เหมือนกับเด็กเล็กๆ เลยก่อนที่จะจดจำได้สำเร็จ ไม่มีอะไรที่เรียกว่าการเห็นวัตถุเช่น "ผู้ดู" (คุณไม่รู้ว่ามันคืออะไร แต่เราพนันได้เลยว่าคุณ จะจำได้ถ้าคุณเห็น) และหลังจากนั้นก็สามารถจดจำผู้กระทำผิดทุกรายที่คุณเห็นในภายหลัง

ถ้า A.I. กำลังจะดำเนินชีวิตตามศักยภาพของมัน สิ่งสำคัญคือสามารถเรียนรู้ได้ด้วยวิธีนี้ ในขณะที่ปัญหายังไม่ได้รับการแก้ไข ก บทความวิจัยใหม่จากมหาวิทยาลัยวอเตอร์ลูในออนแทรีโอ อธิบายก กระบวนการพัฒนาที่เป็นไปได้ เรียกว่าการเรียนรู้แบบ LO-shot (หรือน้อยกว่าหนึ่งช็อต) สิ่งนี้สามารถช่วยให้เครื่องจักรเรียนรู้ได้รวดเร็วยิ่งขึ้นในลักษณะของมนุษย์ ซึ่งจะมีประโยชน์ด้วยเหตุผลหลายประการ โดยเฉพาะสถานการณ์ที่ไม่มีข้อมูลจำนวนมากสำหรับการฝึกอบรม

คำมั่นสัญญาของการเรียนรู้แบบช็อตน้อยกว่าหนึ่งครั้ง

“เอกสารการเรียนรู้ LO-shot ของเราในทางทฤษฎีจะสำรวจจำนวนตัวอย่างที่น้อยที่สุดที่เป็นไปได้ซึ่งจำเป็นสำหรับการฝึกอบรมโมเดลการเรียนรู้ของเครื่อง” อิเลีย ซูโคลุตสกี้, ปริญญาเอก นักเรียนที่ทำงานในโครงการนี้บอกกับ Digital Trends “เราพบว่าแบบจำลองสามารถเรียนรู้ที่จะจดจำชั้นเรียนได้มากกว่าจำนวนตัวอย่างการฝึกอบรมที่ได้รับ ในตอนแรกเราสังเกตเห็นผลลัพธ์นี้จากเชิงประจักษ์เมื่อทำงานกับรายงานฉบับก่อนหน้าของเรา การกลั่นชุดข้อมูลฉลากแบบอ่อนซึ่งเป็นวิธีการสร้างชุดข้อมูลสังเคราะห์ขนาดเล็กที่ฝึกฝนโมเดลให้มีประสิทธิภาพเหมือนกับที่ได้รับการฝึกฝนบนชุดข้อมูลดั้งเดิม เราพบว่าเราสามารถฝึกโครงข่ายประสาทเทียมให้จดจำตัวเลขทั้งหมด 10 หลัก — ศูนย์ถึงเก้า — หลังจากได้รับการฝึกบนตัวอย่างสังเคราะห์เพียงห้าตัวอย่าง ซึ่งน้อยกว่าหนึ่งหลักต่อหลัก … เราประหลาดใจมากกับสิ่งนี้ และนั่นคือสิ่งที่ทำให้เราเขียนรายงานการเรียนรู้ LO-shot นี้เพื่อพยายามทำความเข้าใจว่าเกิดอะไรขึ้นในทางทฤษฎี”

ซูโซลุตสกีเน้นย้ำว่านี่ยังอยู่ในช่วงเริ่มต้น บทความใหม่แสดงให้เห็นว่าการเรียนรู้ LO-shot เป็นไปได้ ขณะนี้นักวิจัยต้องพัฒนาอัลกอริธึมที่จำเป็นสำหรับการเรียนรู้ LO-shot ในขณะเดียวกันเขากล่าวว่าทีมงานได้รับความสนใจจากนักวิจัยในสาขาที่หลากหลายเช่น วิทยาภูเขาไฟ การถ่ายภาพทางการแพทย์ และความปลอดภัยทางไซเบอร์ ซึ่งทั้งหมดนี้สามารถได้รับประโยชน์จาก A.I. การเรียนรู้.

“ฉันหวังว่าเราจะสามารถเริ่มเปิดตัวเครื่องมือใหม่เหล่านี้ได้ในเร็วๆ นี้ แต่ฉันสนับสนุนเครื่องมืออื่นๆ นักวิจัยด้านแมชชีนเลิร์นนิงก็เริ่มสำรวจทิศทางนี้เพื่อเร่งกระบวนการนั้นให้เร็วขึ้น” Sucholutsky พูดว่า.

คำแนะนำของบรรณาธิการ

• หุ่นยนต์รักษาความปลอดภัยอาจมาที่โรงเรียนใกล้บ้านคุณ
• Amazon ปรับใช้ AI เพื่อสรุปบทวิจารณ์ผลิตภัณฑ์
• Amazon วางแผนการเปลี่ยนแปลง 'ครั้งเดียวในยุค' สำหรับการค้นหาการเปิดเผยโฆษณางาน
• A.I. ล่าสุดของ Nvidia ผลลัพธ์พิสูจน์ได้ว่า ARM พร้อมสำหรับศูนย์ข้อมูลแล้ว
• เสียงใหม่ของ Nvidia A.I. เสียงเหมือนคนจริง

อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร