Forskere har funnet ut at når nevrale nettverk med forskjellige treningsmerker sammenlignes, presterer de bedre.
Binært språk er kompakt og nøyaktig foroverføring av informasjon. I kontrast er det talte menneskespråket mer tonalt og analogt. Siden tall er en effektiv måte å digitalisere data på, bruker programmerere sjelden andre typer innganger når de designer et nevralt nettverk.
En av de vanligste øvelsene fortesting av en ny maskinlæringsmetode: lære AI å gjenkjenne objekter eller dyr i et fotografi. Forfatterne av det nye verket gjennomførte et eksperiment: de opprettet to nye nevrale nettverk som skulle gjenkjenne ti forskjellige typer objekter i en samling på 50 tusen fotografier.
Det første AI-systemet ble trent på tradisjonell måte: det ble lastet med en datatabell med tusenvis av rader, som hver tilsvarer ett treningsbilde.
Og forfatterne lastet tabellen inn i det andre systemetdata, hvor radene inneholdt et fotografi av et dyr eller en gjenstand, og i den andre kolonnen var det en lydfil der en person uttaler navnet på gjenstanden eller dyret.
Som et resultat produserte det første nevrale nettverket digitaltbetydningen av gjenstanden som ble vist henne, og den andre prøvde å "fortelle" hva hun så. Begge algoritmene taklet oppgaven like effektivt og svarte riktig i 92 % av tilfellene, bemerker forfatterne.
Imidlertid endret resultatene av eksperimentet nårforskere reduserte utvalget fra 50 000 til 2,5 000. Så falt riktigheten av svarene til den første AI til 35 %, og for den andre, som ble trent med stemmen, falt den til bare 70 %.
Les mer:
Forskere stupte for første gang til det dypeste sunkne skipet
Det første nøyaktige kartet over verden ble opprettet. Hva er galt med alle andre?
Et trådløst system har dukket opp som hjelper lammet