Изследователите са открили, че когато се сравняват невронни мрежи с различни етикети за обучение, те се представят по-добре.
Бинарният език е компактен и точен запредаване на информация. За разлика от това говоримият човешки език е по-тонален и аналогичен. Тъй като числата са ефективен начин за цифровизиране на данни, програмистите рядко използват други видове входове при проектирането на невронна мрежа.
Едно от най-често срещаните упражнения затестване на нов метод за машинно обучение: обучение на AI да разпознава обекти или животни на снимка. Авторите на новата работа проведоха експеримент: те създадоха две нови невронни мрежи, които трябваше да разпознаят десет различни вида обекти в колекция от 50 хиляди снимки.
Първата AI система беше обучена по традиционния начин: тя беше заредена с таблица с данни от хиляди редове, всеки съответстващ на една тренировъчна снимка.
И авторите заредиха таблицата във втората системаданни, чиито редове съдържаха снимка на животно или предмет, а във втората колона имаше аудиофайл, в който човек произнася името на обекта или животното.
В резултат на това първата невронна мрежа произвежда цифровизначението на обекта, който й беше показан, а втората се опита да „разкаже“ какво вижда. И двата алгоритъма се справиха със задачата еднакво ефективно и отговориха правилно в 92% от случаите, отбелязват авторите.
Резултатите от експеримента обаче се промениха, когатоучените намалиха извадката от 50 хил. на 2,5 хил. Тогава коректността на отговорите на първия AI падна до 35%, а при втория, който се обучаваше с глас, тя падна до едва 70%.
Прочетете още:
Изследователите се спуснаха за първи път до най-дълбоко потъналия кораб
Създадена е първата точна карта на света. Какво не е наред с всички останали?
Появи се безжична система, която помага за парализиране