Çok nadir istisnalar dışında her yapay zekada büyük ilerleme bu yüzyıl makine öğreniminin sonucudur. Adından da anlaşılacağı gibi (ve oyunun ilk yarısının çoğunu karakterize eden sembolik yapay zekanın tersine) alanın geçmişi), makine öğrenimi yalnızca kurallara uymayan, aynı zamanda aslında öğrenmek.
Ama bir sorun var. Küçük bir insan çocuğunun bile aksine, makine öğreniminin başarılı bir şekilde tanınabilmesi için çok sayıda eğitim örneğinin gösterilmesi gerekir. Mesela "doofer" gibi bir nesne görmek diye bir şey yoktur (ne olduğunu bilmiyorsunuz ama bahse gireriz ki Birini görseniz hatırlarsınız) ve daha sonra gördüğünüz her doofer'ı tanıyabilirsiniz.
Önerilen Videolar
Eğer A.I. Potansiyelini ortaya çıkaracaksa, bu şekilde öğrenebilmesi önemlidir. Sorun henüz çözülmemişken, bir Ontario'daki Waterloo Üniversitesi'nden yeni araştırma makalesi bir şeyi anlatır potansiyel atılım süreci LO-shot (veya birden az atış) öğrenme olarak adlandırılır. Bu, makinelerin insanlar gibi çok daha hızlı öğrenmesini sağlayabilir. Bu, çok çeşitli nedenlerden dolayı yararlı olabilir, ancak özellikle eğitim için büyük miktarda verinin mevcut olmadığı senaryolarda yararlı olabilir.
Tek seferde öğrenmenin vaadi
"LO-shot öğrenme makalemiz teorik olarak makine öğrenimi modellerini eğitmek için gereken mümkün olan en az sayıda örneği araştırıyor." Ilia Sucholutsky, doktora derecesi projede çalışan öğrenci, Digital Trends'e şunları söyledi: "Modellerin aslında kendilerine verilen eğitim örneklerinin sayısından daha fazla sınıfı tanımayı öğrenebildiğini gördük. Bu sonucu ilk olarak önceki makalemiz üzerinde çalışırken ampirik olarak fark ettik. yumuşak etiketli veri kümesi damıtmaModelleri orijinal veri kümesi üzerinde eğitilmiş gibi aynı performansa eğiten küçük sentetik veri kümeleri oluşturmaya yönelik bir yöntem. Rakam başına birden az olacak şekilde yalnızca beş sentetik örnek üzerinde eğitildikten sonra sinir ağlarını 10 rakamın tamamını (sıfırdan dokuza) tanıyacak şekilde eğitebileceğimizi bulduk. … Buna gerçekten çok şaşırdık ve bu, bizi bu LO-shot öğrenme makalesi üzerinde çalışmaya ve teorik olarak neler olup bittiğini anlamaya iten şeydi."
Sucholutsky bunun henüz başlangıç aşamasında olduğunu vurguladı. Yeni makale LO-shot öğrenmenin mümkün olduğunu gösteriyor. Araştırmacıların artık LO-shot öğrenmeyi gerçekleştirmek için gereken algoritmaları geliştirmesi gerekiyor. Bu arada ekibin çok çeşitli alanlardaki araştırmacılardan ilgi gördüğünü söyledi. volkanoloji, tıbbi görüntüleme ve siber güvenlik gibi alanların tümü bu tür yapay zekadan yararlanabilir. öğrenme.
"Bu yeni araçları gerçekten yakın zamanda kullanıma sunabileceğimizi umuyorum, ancak diğer araçları da teşvik ediyorum." Makine öğrenimi araştırmacıları da bu süreci hızlandırmak için bu yönü araştırmaya başlayacaklar." Sucholutsky söz konusu.
Editörlerin Önerileri
- Güvenlik robotları yakınınızdaki bir okula geliyor olabilir
- Amazon, ürün incelemelerini özetlemek için yapay zekayı kullanıyor
- Amazon, Arama için "nesilde bir kez" değişiklikler yapmayı planlıyor, iş ilanı ortaya çıkıyor
- Nvidia'nın en yeni yapay zekası. sonuçlar ARM'ın veri merkezi için hazır olduğunu kanıtlıyor
- Nvidia'nın yeni sesi A.I. tıpkı gerçek bir insana benziyor
Yaşam tarzınızı yükseltinDigital Trends, en son haberler, eğlenceli ürün incelemeleri, anlayışlı başyazılar ve türünün tek örneği olan ön bakışlarla okuyucuların teknolojinin hızlı tempolu dünyasını takip etmelerine yardımcı olur.
