Οι ερευνητές εξήγησαν ότι η τεχνητή νοημοσύνη είναι ικανή για δεκάδες χειρισμούς με βάση τα υπάρχοντα δεδομένα. Να γιατί
Οι επιστήμονες μοιράστηκαν πώς βελτίωσαν και κλιμάκωσαν τους προηγμένους αλγορίθμους όρασης υπολογιστή. Ένας από τους ενδιαφέροντες τομείς της ανάπτυξης του Facebook είναι η «εκπαίδευση ημιεπόπλων».
Οι ερευνητές του Facebook έχουν δείξει ως παράδειγμα ότιη μάθηση μπορεί να είναι προκλητική αλλά πολύ αποτελεσματική. Το σύστημα DINO (Απόσταξη γνώσεων με ετικέτες ΟΧΙ) μπορεί να βρει αντικείμενα ενδιαφέροντος σε ένα βίντεο χωρίς δεδομένα με ετικέτα.
Για να γίνει αυτό, το σύστημα δεν θεωρεί το βίντεο ωςμια ακολουθία εικόνων που θα αναλυθούν με τη σειρά, αλλά ως ένα πολύπλοκο, διασυνδεδεμένο σύνολο δεδομένων. Δίνοντας προσοχή στη μέση και στο τέλος του βίντεο, το AI μπορεί να πάρει μια ιδέα για πράγματα όπως "ένα αντικείμενο τέτοιου και ένα τέτοιο σχήμα κινείται από αριστερά προς τα δεξιά" Αυτές οι πληροφορίες χρησιμοποιούνται για περαιτέρω ανάλυση. Οι επιστήμονες σημειώνουν ότι το σύστημα δεν λειτουργεί μηχανικά, αλλά αναπτύσσει μια βασική αίσθηση οπτικής σημασίας χωρίς τεράστια εκπαίδευση.
Ως αποτέλεσμα, το σύστημα δείχνει καλόαποτελέσματα σε σύγκριση με τα παραδοσιακά εκπαιδευμένα συστήματα. Οι ερευνητές έχουν δείξει ότι μια AI που εκπαιδεύτηκε σε 500 φωτογραφίες σκύλων και 500 φωτογραφίες γάτας αναγνωρίζει και τις δύο, αλλά δεν μπορεί να καταλάβει πώς είναι παρόμοιες. Αλλά ο αλγόριθμος του Facebook είναι σε θέση να τους διακρίνει λόγω της «κοινής λογικής» και της οπτικής αντίληψης των φωτογραφιών.
Διαβάστε περισσότερα
Elon Musk: οι πρώτοι τουρίστες στον Άρη θα πεθάνουν
Δημιουργήθηκε ο πρώτος ακριβής χάρτης του κόσμου. Τι συμβαίνει με όλους τους άλλους;
Ένα νεκρό αστέρι ανακαλύφθηκε ότι περιστρέφεται στον άξονά του σε ένα δευτερόλεπτο