Οι ερευνητές εξήγησαν ότι η μηχανική μάθηση απαιτεί πολλά παραδείγματα από δεδομένα. Για παράδειγμα, να
Το νέο έγγραφο υποδηλώνει ότι τα μοντέλα AIμπορεί να εκπαιδευτεί με αυτόν τον τρόπο - οι επιστήμονες χαρακτήρισαν αυτή τη διαδικασία "λιγότερο από ένα" - όταν ο αλγόριθμος αναγνωρίζει περισσότερα αντικείμενα, παρά το γεγονός ότι ο όγκος των δεδομένων στα οποία εκπαιδεύτηκε ήταν μικρός.
Για παράδειγμα, οι ερευνητές εκπαίδευσαν την τεχνητή νοημοσύνη να αναγνωρίζειαριθμούς, αλλά δεν φόρτωσαν δεδομένα για κάθε αριθμό στο μοντέλο, αλλά το έκαναν ως μία εικόνα, λαμβάνοντας υπόψη ότι πολλοί αριθμοί έχουν παρόμοια στυλ. Αυτό τους επέτρεψε να μειώσουν τον όγκο δεδομένων από 60 χιλιάδες εικόνες σε 10.
Η τεχνητή νοημοσύνη έχει μάθει να επιλέγει υλικά για έρευνα
Οι ερευνητές εργάζονται τώραΒρείτε άλλους τρόπους για να σχεδιάσετε μικρά συνθετικά σύνολα δεδομένων, είτε πρόκειται για χειροκίνητο σχεδιασμό είτε χρησιμοποιώντας άλλο αλγόριθμο Ωστόσο, παρά αυτές τις πρόσθετες ερευνητικές προκλήσεις, το άρθρο παρέχει μια θεωρητική βάση για περαιτέρω μάθηση. «Το takeaway μας είναι ότι ανεξάρτητα από τα σύνολα δεδομένων που έχετε, μπορείτε πιθανώς να τα συσκευάσετε για να κάνετε το μοντέλο πιο αποτελεσματικό», είπαν.
Στο μέλλον, οι ερευνητές θέλουν να εκπαιδεύσουν ακόμη και ισχυρούςμοντέλα που βασίζονται σε μικρά σύνολα δεδομένων. Με αυτόν τον τρόπο, θα καταρτίσουν σαφείς οδηγίες για τη συσκευασία δεδομένων, έτσι ώστε οι επιστήμονες με ακόμη λίγη εμπειρία να μπορούν να τα χρησιμοποιήσουν.
Διαβάστε επίσης
Προηγουμένως, η Γη και η Σελήνη είχαν μια κοινή μαγνητική ασπίδα. Έσωσε τον πλανήτη από τον ήλιο
Μπορεί να υπάρχουν σύμπαντα στις μαύρες τρύπες. Σας λέμε για τη νέα ανακάλυψη
Την 3η ημέρα της ασθένειας, οι περισσότεροι ασθενείς με COVID-19 χάνουν την αίσθηση της όσφρησης και συχνά υποφέρουν από ρινική καταρροή