I ricercatori hanno spiegato che l’apprendimento automatico richiede molti esempi tratti dai dati. Ad esempio, a
Il nuovo documento suggerisce che anche i modelli di intelligenza artificialepuò essere addestrato in questo modo - gli scienziati hanno chiamato questo processo "meno di uno" - quando l'algoritmo riconosce più oggetti, nonostante il fatto che la quantità di dati su cui è stato addestrato fosse piccola.
Ad esempio, i ricercatori hanno addestrato l’intelligenza artificiale a riconoscerenumeri, ma non hanno caricato i dati su ciascun numero nel modello, ma lo hanno fatto come un'unica immagine, tenendo conto del fatto che molti numeri hanno stili simili. Ciò ha consentito di ridurre la quantità di dati da 60mila immagini a 10.

L’intelligenza artificiale ha imparato a selezionare i materiali per la ricerca
I ricercatori stanno ora lavorando atrovare altri modi per progettare piccoli set di dati sintetici, che si tratti di progettazione manuale o con un altro algoritmo. Tuttavia, nonostante queste ulteriori sfide di ricerca, l'articolo fornisce una base teorica per un ulteriore apprendimento. "La nostra conclusione è che, indipendentemente dai set di dati di cui disponi, puoi probabilmente impacchettarli per rendere il modello più efficiente", hanno affermato.
In futuro, i ricercatori vogliono addestrare anche potentimodelli basati su piccoli set di dati. In tal modo, elaboreranno istruzioni chiare per il confezionamento dei dati in modo che scienziati con anche poca esperienza possano utilizzarli.
Leggi anche
In precedenza, la Terra e la Luna avevano uno scudo magnetico comune. Ha salvato il pianeta dal sole
Potrebbero esserci universi nei buchi neri. Vi parliamo della nuova scoperta
Al terzo giorno di malattia, la maggior parte dei pazienti COVID-19 perde il senso dell'olfatto e spesso soffre di naso che cola