I en ny studie forklarer et team av forskere hvordan en ny tilnærming forbedrer evnen betydelig
Vi kan få AI til å lære mye bedre hvis vi trener dem i måten hjernen vår oppfatter informasjon på.
Maximilian Riesenhuber, PhD, professor i nevrobiologi, Georgetown University Medical Center
Folk kan lære nye ting raskt og godtvisuelle konsepter basert på begrensede data – noen ganger er bare ett eksempel nok. Selv tre til fire måneder gamle babyer kan lett lære å gjenkjenne sebraer og skille dem fra katter, hester og sjiraffer. Men datamaskiner må vanligvis «se» mange eksempler på samme objekt for å vite hva det er, forklarer Riesenhuber.
Derfor det var nødvendig å utvikleprogramvare for å bestemme relasjoner mellom hele visuelle kategorier, i stedet for å forsøke en mer standard tilnærming til objektidentifikasjon ved kun å bruke lav-nivå og mellomliggende informasjon som form og farge.
Группа ученых обнаружила, что искусственные нейронные сети, которые представляют объекты с точки зрения ранее изученных концепций, усваивают новые визуальные концепции значительно быстрее.
Faktum er at hjernens arkitektur som ligger ibasert på studiet av menneskelige visuelle konsepter, basert på nevrale nettverk involvert i gjenkjennelse av objekter. Det antas at den fremre temporale lappen i hjernen inneholder "abstrakte" representasjoner som går utover formen. Disse komplekse nevrale hierarkiene for visuell gjenkjenning gjør det mulig for folk å lære nye oppgaver og, viktigst, å bruke tidligere ervervet kunnskap.
Til tross for fremskritt innen kunstigintelligens, er det menneskelige visuelle systemet fortsatt gullstandarden når det gjelder dets evne til å generalisere fra flere eksempler: det kan på en pålitelig måte håndtere variasjoner i et bilde og analyserer tydelig hva som skjer rundt det.
Les mer
Abort og vitenskap: hva vil skje med barna som skal føde
Sjekk ut de vakreste bildene av Hubble. Hva har teleskopet sett på 30 år?
Navngitt et anlegg som ikke er redd for klimaendringer. Det gir næring til en milliard mennesker