研究者らは、ニューラルネットワークを異なるトレーニングラベルと比較すると、より効率的であることを発見しました
バイナリ言語はコンパクトで正確です情報の伝達。対照的に、話されている人間の言語は、より調性があり、類似しています。数値はデータをデジタル化する効率的な方法であるため、プログラマーがニューラルネットワークを設計するときに他のタイプの入力を使用することはめったにありません。
新しい機械学習手法をテストする最も一般的な演習の 1 つは、写真内の物体や動物を認識するように AI に教えることです。新しい研究の著者は、50,000人のコレクション内の10種類の物体を認識することになっている2つの新しいニューラルネットワークを作成する実験を行いました。写真。
最初のAIシステムは、数千行のデータテーブルがロードされ、それぞれが1枚のトレーニング写真に対応する従来の方法でトレーニングされました。
そして、2番目のシステムでは、著者は、動物や物体の写真を含む行を含むデータテーブルをアップロードし 、2番目の列には、人が話す音声ファイルがありましたオブジェクトまたは動物の名前。
その結果、最初のニューラルネットワークは、表示されたオブジェクトのデジタル値を与え、2番目のニューラルネットワークは、見たものを「言う」ことを試みました。どちらのアルゴリズムもタスクに等しく効率的に対処し、92%の確率で正解したと彼らは述べている著者。
しかし、科学者がサンプルを50,000から50,000に減らすと、実験の結果は変わりました。その後、最初のAIの回答の正解率は35%に低下し、音声で学習した2番目のAIの正解率はわずか70%に低下しました。
続きを読む：
研究者たちは初めて沈没船の最深部に突入した
世界の最初の正確な地図が作成されました。他のみんなの何が問題になっていますか？
麻痺を助ける無線システムが登場しました