Die Forscher erklärten, dass maschinelles Lernen viele Beispiele aus den Daten erfordert.Zum Beispiel, um
Das neue Papier schlägt vor, dass auch KI-Modellekann auf diese Weise trainiert werden - Wissenschaftler nannten diesen Prozess "weniger als eins" -, wenn der Algorithmus mehr Objekte erkennt, obwohl die Datenmenge, für die er trainiert wurde, gering war.
Beispielsweise haben Forscher der KI das Erkennen beigebrachtZahlen, aber sie haben nicht Daten zu jeder Zahl in das Modell geladen, sondern dies als einzelnes Bild, wobei berücksichtigt wurde, dass viele Zahlen ähnliche Stile haben. Dadurch konnten sie die Datenmenge von 60.000 Bildern auf 10 reduzieren.

KI hat gelernt, Materialien für die Forschung auszuwählen
Forscher arbeiten jetzt daranFinden Sie andere Möglichkeiten, um kleine synthetische Datensätze zu entwerfen, sei es manuell oder mithilfe eines anderen Algorithmus. Trotz dieser zusätzlichen Forschungsherausforderungen bietet der Artikel eine theoretische Grundlage für weiteres Lernen. "Unsere Erkenntnis ist, dass Sie unabhängig von Ihren Datensätzen diese wahrscheinlich verpacken können, um das Modell effizienter zu gestalten", sagten sie.
In Zukunft wollen Forscher noch leistungsfähiger trainierenModelle basierend auf kleinen Datensätzen. Dabei erstellen sie klare Anweisungen zum Verpacken von Daten, damit Wissenschaftler mit noch wenig Erfahrung diese verwenden können.
Lesen Sie auch
Zuvor hatten Erde und Mond einen gemeinsamen Magnetschild. Es rettete den Planeten vor der Sonne
Es kann Universen in Schwarzen Löchern geben. Wir erzählen Ihnen von der neuen Entdeckung
Am dritten Krankheitstag verlieren die meisten COVID-19-Patienten ihren Geruchssinn und leiden häufig an einer laufenden Nase