Pētnieki paskaidroja, ka mašīnmācībai ir nepieciešami daudzi piemēri no datiem. Piemēram, uz
Jaunajā rakstā ir ierosināts, ka arī AI modeļivar apmācīt šādā veidā - zinātnieki šo procesu sauca par "mazāk nekā vienu" - kad algoritms atpazīst vairāk objektu, neskatoties uz to, ka datu apjoms, par kuru tas tika apmācīts, bija mazs.
Piemēram, pētnieki apmācīja AI atpazītskaitļus, taču viņi modelī neielādēja datus par katru numuru, bet darīja to kā vienotu attēlu, ņemot vērā, ka daudziem cipariem ir līdzīgi stili. Tas viņiem ļāva samazināt datu apjomu no 60 tūkstošiem attēlu līdz 10.
AI ir iemācījies atlasīt materiālus pētniecībai
Pētnieki tagad strādā pieatrodiet citus veidus, kā veidot mazas sintētiskas datu kopas, vai tas būtu manuāls dizains, vai izmantojot citu algoritmu. Tomēr, neraugoties uz šiem papildu pētniecības izaicinājumiem, rakstā sniegts teorētisks ietvars tālākām mācībām. "Mūsu piedāvājums ir tāds, ka neatkarīgi no jūsu rīcībā esošajām datu kopām jūs, iespējams, varat tos iesaiņot, lai padarītu modeli efektīvāku," viņi teica.
Nākotnē pētnieki vēlas apmācīt pat spēcīgus spēkusmodeļi, kuru pamatā ir mazas datu kopas. To darot, viņi izstrādās skaidras instrukcijas par iepakojuma datiem, lai zinātnieki ar pat nelielu pieredzi varētu tos izmantot.
Lasīt arī
Iepriekš Zemei un Mēnesim bija kopīgs magnētiskais vairogs. Tas izglāba planētu no saules
Melnajos caurumos var būt visumi. Mēs jums pastāstām par jauno atklājumu
Slimības 3. dienā lielākajai daļai COVID-19 pacientu zūd oža un bieži cieš no iesnas