Pētnieki ir atklājuši, ka, salīdzinot neironu tīklus ar dažādām apmācības etiķetēm, tie darbojas labāk.
Binārā valoda ir kompakta un precīzainformācijas nodošana. Turpretī runātā cilvēka valoda ir tonālāka un analogāka. Tā kā skaitļi ir efektīvs veids, kā digitalizēt datus, programmētāji neironu tīkla projektēšanā reti izmanto cita veida ievades.
Viens no visizplatītākajiem vingrinājumiem, laijaunas mašīnmācīšanās metodes testēšana: AI mācīšana fotogrāfijā atpazīt objektus vai dzīvniekus. Jaunā darba autori veica eksperimentu: izveidoja divus jaunus neironu tīklus, kuriem vajadzēja atpazīt desmit dažādu veidu objektus 50 tūkstošu fotogrāfiju kolekcijā.
Pirmā mākslīgā intelekta sistēma tika apmācīta tradicionālā veidā: tajā tika ielādēta datu tabula ar tūkstošiem rindu, katra atbilst vienam apmācības fotoattēlam.
Un autori ielādēja tabulu otrajā sistēmādati, kuru rindās bija dzīvnieka vai priekšmeta fotogrāfija, bet otrajā ailē bija audio fails, kurā persona izrunā objekta vai dzīvnieka nosaukumu.
Tā rezultātā pirmais neironu tīkls radīja digitālupriekšmeta nozīmi, kas viņai tika parādīta, un otrā mēģināja “pastāstīt” redzēto. Abi algoritmi ar uzdevumu tika galā vienlīdz efektīvi un 92% gadījumu atbildēja pareizi, atzīmē autori.
Tomēr eksperimenta rezultāti mainījās, kadzinātnieki samazināja izlasi no 50 tūkstošiem līdz 2,5 tūkstošiem.Tad pirmā AI atbilžu pareizība nokritās līdz 35%, bet otrajai, kas tika apmācīta ar balsi, tā noslīdēja tikai līdz 70%.
Lasīt vairāk:
Pētnieki pirmo reizi ienāca pie dziļāk nogrimušā kuģa
Tika izveidota pirmā precīzā pasaules karte. Kas vainas visiem pārējiem?
Parādījusies bezvadu sistēma, kas palīdz paralizēt