За дуже рідкісним винятком, кожен великий прогрес у штучному інтелекті це століття стало результатом машинного навчання. Як випливає з назви (і суперечить символічному штучному інтелекту, який характеризував більшу частину першої половини машинне навчання включає в себе розумні системи, які не просто дотримуються правил, але насправді, добре, навчитися.
Але є проблема. На відміну навіть від маленької людської дитини, машинному навчанню потрібно показати велику кількість навчальних прикладів, перш ніж він зможе їх успішно розпізнати. Немає такого поняття, як, скажімо, побачити такий об’єкт, як «дуфер» (ви не знаєте, що це таке, але ми впевнені, що запам’ятав би це, якби ти побачив один) і, згодом, зможеш розпізнати кожного наступного дуфера, якого побачиш.
Рекомендовані відео
Якщо А.І. збирається реалізувати свій потенціал, важливо, щоб він міг навчатися таким чином. Хоча проблема ще не вирішена, a новий дослідницький документ Університету Ватерлоо в Онтаріо описує а потенційний проривний процес
називається LO-shot (або менше ніж один постріл) навчання. Це може дозволити машинам навчатися набагато швидше, ніж люди. Це було б корисно з багатьох причин, але особливо у сценаріях, у яких не існує великих обсягів даних для навчання.Обіцянка навчання за один раз
«Наш навчальний документ про LO-shot теоретично досліджує найменшу можливу кількість зразків, необхідних для навчання моделей машинного навчання», Ілля Сухолуцький, доктор філософії студент, який працює над проектом, розповів Digital Trends. «Ми виявили, що моделі насправді можуть навчитися розпізнавати більше класів, ніж кількість наданих їм навчальних прикладів. Спочатку ми помітили цей результат емпірично під час роботи над нашою попередньою роботою дистиляція набору даних з м’якою міткою, метод для генерації крихітних синтетичних наборів даних, які навчають моделі до такої самої продуктивності, якби вони були навчені на вихідному наборі даних. Ми виявили, що можемо навчити нейронні мережі розпізнавати всі 10 цифр — від нуля до дев’яти — після навчання лише на п’яти синтетичних прикладах, менше ніж по одній на цифру. … Нас це дуже здивувало, і саме це спонукало нас працювати над цим навчальним документом, щоб спробувати теоретично зрозуміти, що відбувається».
Сухолуцький підкреслив, що це поки що початкова стадія. Нова стаття показує, що навчання LO-shot можливе. Тепер дослідники повинні розробити алгоритми, необхідні для навчання LO-shot. Тим часом він сказав, що команда зацікавилася дослідниками в таких різноманітних областях, як вулканологія, медична візуалізація та кібербезпека — усі вони можуть отримати вигоду від цього виду штучного інтелекту. навчання.
«Я сподіваюся, що незабаром ми зможемо почати впровадження цих нових інструментів, але я заохочую інших дослідникам машинного навчання також почати досліджувати цей напрямок, щоб пришвидшити цей процес», Сухолуцький сказав.
Рекомендації редакції
- Охоронні роботи можуть прийти до школи поблизу вас
- Amazon використовує штучний інтелект для підсумовування оглядів продукту
- Amazon планує зміни «один раз у поколінні» для пошуку, повідомляється в оголошенні про роботу
- Найновіший штучний інтелект Nvidia. результати доводять, що ARM готова до центру обробки даних
- Новий голос Nvidia A.I. звучить як справжня людина
Оновіть свій спосіб життяDigital Trends допомагає читачам стежити за динамічним світом технологій завдяки всім останнім новинам, цікавим оглядам продуктів, проникливим редакційним статтям і унікальним у своєму роді коротким оглядам.
