Tyrėjai paaiškino, kad mašininiam mokymuisi reikia daug pavyzdžių iš duomenų. Pavyzdžiui, į
Naujajame dokumente siūloma ir AI modeliusgalima mokyti tokiu būdu - mokslininkai šį procesą pavadino „mažiau nei vienu“ - kai algoritmas atpažįsta daugiau objektų, nepaisant to, kad duomenų, kuriais jis buvo apmokytas, kiekis buvo nedidelis.
Pavyzdžiui, mokslininkai išmokė dirbtinį intelektą atpažintinumeriai, tačiau jie į modelį neįkėlė duomenų apie kiekvieną skaičių, o padarė tai kaip vieną paveikslėlį, atsižvelgdami į tai, kad daugelis skaičių turi panašų stilių. Tai leido jiems sumažinti duomenų kiekį nuo 60 tūkstančių vaizdų iki 10.
AI išmoko atrinkti medžiagas tyrimams
Tyrėjai dabar stengiasiraskite kitų mažų sintetinių duomenų rinkinių kūrimo būdų, nesvarbu, ar tai būtų rankinis, ar kito algoritmo naudojimas. Nepaisant šių papildomų tyrimų iššūkių, straipsnyje pateikiama teorinė tolesnio mokymosi sistema. "Mūsų išsinešimas yra tas, kad nesvarbu, kokius duomenų rinkinius turite, tikriausiai galite juos supakuoti, kad modelis būtų efektyvesnis", - sakė jie.
Ateityje mokslininkai nori treniruotis net galingaimodeliai, pagrįsti mažais duomenų rinkiniais. Tai atlikdami jie parengs aiškias pakavimo duomenų instrukcijas, kad mokslininkai, turintys net mažai patirties, galėtų jas naudoti.
Taip pat skaitykite
Anksčiau Žemė ir Mėnulis turėjo bendrą magnetinį skydą. Tai išgelbėjo planetą nuo saulės
Juodosiose skylėse gali būti visatų. Mes jums pasakojame apie naują atradimą
3 ligos dieną dauguma COVID-19 pacientų praranda kvapo pojūtį ir dažnai kenčia nuo slogos