חוקרים מצאו שכאשר משווים רשתות עצביות עם תוויות אימון שונות, הן מתפקדות טוב יותר.
שפה בינארית היא קומפקטית ומדויקת עבורהעברת מידע. לעומת זאת, שפת האדם המדוברת היא יותר טונאלית ואנלוגית. מכיוון שמספרים הם דרך יעילה לדיגיטציה של נתונים, מתכנתים לעתים רחוקות משתמשים בסוגי קלט אחרים בעת תכנון רשת עצבית.
אחד התרגילים הנפוצים ביותר עבורבדיקת שיטת למידת מכונה חדשה: לימוד בינה מלאכותית לזהות עצמים או בעלי חיים בתצלום. מחברי העבודה החדשה ערכו ניסוי: הם יצרו שתי רשתות עצביות חדשות שהיו אמורות לזהות עשרה סוגים שונים של עצמים באוסף של 50 אלף תצלומים.
מערכת הבינה המלאכותית הראשונה הוכשרה בדרך המסורתית: היא הוטענה בטבלת נתונים של אלפי שורות, שכל אחת מתאימה לתמונת אימון אחת.
והמחברים העמיסו את הטבלה למערכת השנייהנתונים, שבשורותיהם נמצא צילום של בעל חיים או חפץ, ובעמודה השנייה היה קובץ שמע שבו אדם מבטא את שם החפץ או החיה.
כתוצאה מכך, הרשת העצבית הראשונה ייצרה דיגיטליתהמשמעות של החפץ שהוצג לה, והשנייה ניסתה "לספר" מה היא ראתה. שני האלגוריתמים התמודדו עם המשימה באותה יעילות וענו נכון ב-92% מהמקרים, מציינים המחברים.
עם זאת, תוצאות הניסוי השתנו מתימדענים צמצמו את המדגם מ-50 אלף ל-2.5 אלף. ואז נכונות התשובות של הבינה המלאכותית הראשונה ירדה ל-35%, ובשנייה, שהוכשרה באמצעות קול, היא ירדה ל-70% בלבד.
קרא עוד:
חוקרים צללו לראשונה לספינה השקועה העמוקה ביותר
המפה המדויקת הראשונה של העולם נוצרה. מה רע בכולם?
הופיעה מערכת אלחוטית שעוזרת לשיתוק