研究者らは、機械学習にはデータからの多くの例が必要であると説明しました。たとえば、
新しい論文は、AIモデルもトレーニングされたデータの量が少なかったにもかかわらず、アルゴリズムがより多くのオブジェクトを認識する場合、この方法でトレーニングできます（科学者はこのプロセスを「1未満」と呼びました）。
たとえば、研究者は AI を訓練して、しかし、多くの数字が同様のスタイルを持つことを考慮して、各数字に関するデータをモデルにロードするのではなく、単一の画像としてロードしました。これにより、データ量を 60,000 枚の画像から 10 枚に減らすことができました。
AIは研究のための材料を選択することを学習しました
研究者は現在、手動設計であれ、別のアルゴリズムの使用であれ、小さな合成データセットを設計する他の方法を見つけてください。ただし、これらの追加の研究課題にもかかわらず、この記事はさらなる学習のための理論的枠組みを提供します。 「私たちのポイントは、どのデータセットを持っていても、モデルをより効率的にするためにそれらをパッケージ化できるということです」と彼らは言いました。
将来的には、研究者はさらに強力なトレーニングをしたいと考えています小さなデータセットに基づくモデル。そうすることで、彼らはデータをパッケージ化するための明確な指示を作成し、経験がほとんどない科学者でもそれらを使用できるようにします。
また読む
以前は、地球と月には共通の磁気シールドがありました。それは太陽から惑星を救った
ブラックホールに宇宙があるかもしれません。新しい発見についてお話しします
病気の3日目、ほとんどのCOVID-19患者は嗅覚を失い、そしてしばしば鼻水に苦しむ