연구원들은 신경망을 다른 훈련 레이블과 비교할 때 더 효율적이라는 것을 발견했습니다
이진 언어는 간결하고 정확합니다.정보 전송. 대조적으로, 인간의 언어는 좀 더 음색과 유사합니다. 숫자는 데이터를 디지털화하는 효율적인 방법이기 때문에 프로그래머는 신경망을 설계 할 때 다른 유형의 입력을 거의 사용하지 않습니다.
새로운 머신러닝 방법을 테스트하는 가장 일반적인 연습 중 하나는 AI가 사진에서 물체나 동물을 인식하도록 가르치는 것입니다.새로운 연구의 저자들은 실험을 수행했습니다 : 그들은 50,000 명의 사람들 모음에서 10 가지 유형의 물체를 인식하기로되어있는 두 개의 새로운 신경망을 만들었습니다.사진.
첫 번째 AI 시스템은 전통적인 방식으로 훈련되었습니다: 수천 개의 행으로 구성된 데이터 테이블이 로드되었으며, 각 행은 하나의 훈련 사진에 해당합니다.
그리고 두 번째 시스템에서 저자는 동물 또는 물체의 사진이 포함 된 행과 사람이 말하는 오디오 파일이있는 데이터 테이블을 업로드 했습니다개체 또는 동물의 이름입니다.
그 결과, 첫 번째 신경망은 자신에게 보여진 물체의 디지털 가치를 부여했고, 두 번째 신경망은 자신이 본 것을 "말"하려고 시도했습니다.두 알고리즘 모두 작업에 동등하게 효율적으로 대처했으며 92%의 시간 동안 올바르게 응답했다고 합니다저자.
그러나 과학자들이 표본을 50,000개에서 50,000개로 줄였을 때 실험 결과가 바뀌었습니다.그런 다음 첫 번째 AI의 답변 정확도는 35%로 떨어졌고 음성으로 훈련된 두 번째 AI의 답변 정확도는 70%로 감소했습니다.
더 읽어보기 :
연구원들은 처음으로 가장 깊은 침몰선에 뛰어 들었습니다
세계 최초의 정확한지도가 만들어졌습니다. 다른 사람들에게 무슨 문제가 있습니까?
마비를 돕는 무선 시스템이 나타났습니다