Les chercheurs ont expliqué que l’apprentissage automatique nécessite de nombreux exemples à partir des données.Par exemple, afin de
Le nouveau document suggère que les modèles d'IA aussipeut être formé de cette façon - les scientifiques ont appelé ce processus "moins d'un" - lorsque l'algorithme reconnaît plus d'objets, malgré le fait que la quantité de données sur lesquelles il a été formé était petite.
Par exemple, les chercheurs ont entraîné l’IA à reconnaîtrenombres, mais ils n'ont pas chargé de données sur chaque nombre dans le modèle, mais l'ont fait comme une seule image, en tenant compte du fait que de nombreux nombres ont des styles similaires. Cela leur a permis de réduire la quantité de données de 60 000 images à 10.

L'IA a appris à sélectionner des matériaux pour la recherche
Les chercheurs travaillent maintenant àtrouver d'autres moyens de concevoir de petits ensembles de données synthétiques, qu'il s'agisse d'une conception manuelle ou d'un autre algorithme. Cependant, malgré ces défis de recherche supplémentaires, l'article fournit un cadre théorique pour un apprentissage ultérieur. «Ce qu'il faut retenir, c'est que quels que soient les ensembles de données dont vous disposez, vous pouvez probablement les regrouper pour rendre le modèle plus efficace», ont-ils déclaré.
À l'avenir, les chercheurs veulent former desmodèles basés sur de petits ensembles de données. Ce faisant, ils établiront des instructions claires pour le conditionnement des données afin que les scientifiques ayant même peu d'expérience puissent les utiliser.
Lisez aussi
Auparavant, la Terre et la Lune avaient un bouclier magnétique commun. Il a sauvé la planète du soleil
Il peut y avoir des univers dans les trous noirs. Nous vous parlons de la nouvelle découverte
Au jour 3 de la maladie, la plupart des patients atteints de COVID-19 perdent leur odorat et souffrent souvent d'un nez qui coule