Istraživači su otkrili da su pri usporedbi neuronskih mreža s različitim oznakama za obuku učinkovitije
Binarni jezik je kompaktan i precizan zaprijenos informacija. Nasuprot tome, govorni ljudski jezik je tonskiji i analogniji. Budući da su brojevi učinkovit način digitalizacije podataka, programeri rijetko koriste druge vrste ulaza prilikom dizajniranja neuronske mreže.
Jedna od najčešćih vježbi za testiranje nove metode strojnog učenja je naučiti umjetnu inteligenciju da prepozna predmete ili životinje na fotografiji.Autori novog rada proveli su eksperiment: stvorili su dvije nove neuronske mreže koje su trebale prepoznati deset različitih vrsta objekata u zbirci od 50.000 ljudi.Fotografije.
Prvi sustav umjetne inteligencije treniran je na tradicionalan način: u njega je učitana tablica podataka od tisuću redaka, od kojih svaki odgovara jednoj fotografiji treninga.
U drugom sustavu autori su učitali tablicu podataka, čiji su redovi sadržavali fotografiju životinje ili objekta, au drugom stupcu bila je audio datoteka na kojoj osoba govoriIme objekta ili životinje.
Kao rezultat toga, prva neuronska mreža dala je digitalnu vrijednost objekata koji su joj prikazani, a drugi je pokušao "reći" ono što je vidio.Oba algoritma jednako su se učinkovito nosila sa zadatkom i točno odgovorila 92% vremena, napominjuAutori.
Međutim, rezultati eksperimenta promijenili su se kada su znanstvenici smanjili uzorak s 50.000 na 50.000.Tada je ispravnost odgovora prve umjetne inteligencije pala na 35%, a druga, koja je trenirana glasom, smanjila se na samo 70%.
Čitaj više:
Istraživači su prvi put uronili na najdublje potopljeni brod
Stvorena je prva točna karta svijeta. Što nije u redu sa svima ostalima?
Pojavio se bežični sustav koji pomaže paraliziranom