Ny metode giver AI mulighed for at lære uden data

Forskerne forklarede, at maskinlæring kræver mange eksempler fra data. For eksempel til

skabe en AI-model, der giver dig mulighed for at genkendehest, skal hun analysere tusindvis af hestebilleder. Det er det, der gør teknologi dyr og anderledes end menneskelig træning. Et barn behøver ofte kun at se nogle få eksempler på en genstand, eller endda en, før han kan genkende den hele livet.

Det nye papir antyder, at AI-modeller ogsåkan trænes på denne måde - forskere kaldte denne proces "mindre end en" - når algoritmen genkender flere objekter, på trods af at mængden af ​​data, som den blev trænet på, var lille.

For eksempel trænede forskere AI til at genkendenumre, men de indlæste ikke data om hvert nummer i modellen, men gjorde det som et enkelt billede under hensyntagen til, at mange numre har lignende stilarter. Dette gjorde det muligt for dem at reducere mængden af ​​data fra 60 tusind billeder til 10. 

AI har lært at udvælge materialer til forskning

Forskere arbejder nu på atfinde andre måder at designe små syntetiske datasæt på, enten det er manuelt design eller ved hjælp af en anden algoritme. På trods af disse yderligere forskningsudfordringer giver artiklen imidlertid en teoretisk ramme for videre læring. "Vores takeaway er, at uanset hvilke datasæt du har, kan du sandsynligvis pakke dem op for at gøre modellen mere effektiv," sagde de.

I fremtiden ønsker forskere at træne selv magtfuldemodeller baseret på små datasæt. Dermed udarbejder de klare instruktioner til emballeringsdata, så forskere med endnu ringe erfaring kan bruge dem.

Læs også

Tidligere havde Jorden og månen et fælles magnetisk skjold. Det reddede planeten fra solen

Der kan være universer i sorte huller. Vi fortæller dig om den nye opdagelse

På sygdom 3 mister de fleste COVID-19 patienter deres lugtesans og lider ofte af en løbet næse