Nowa metoda pozwala AI uczyć się bez danych

Naukowcy wyjaśnili, że uczenie maszynowe wymaga wielu przykładów z danych. Na przykład do

stwórz model AI, który pozwoli Ci rozpoznaćkonia, musi przeanalizować tysiące zdjęć koni. To właśnie sprawia, że ​​technologia jest droga i różni się od szkolenia ludzi. Dziecko często musi zobaczyć tylko kilka przykładów przedmiotu lub nawet jeden, zanim będzie mogło go rozpoznać przez całe życie.

Nowy artykuł sugeruje, że modele AImożna w ten sposób wytrenować - naukowcy nazwali ten proces „mniej niż jednym” - wtedy, gdy algorytm rozpoznaje więcej obiektów, mimo że ilość danych, na których był trenowany, była niewielka.

Na przykład badacze przeszkolili sztuczną inteligencję do rozpoznawanialiczb, ale nie ładowali danych o każdej liczbie do modelu, ale zrobili to jako pojedynczy obraz, biorąc pod uwagę, że wiele liczb ma podobny styl. Pozwoliło to zmniejszyć ilość danych z 60 tysięcy zdjęć do 10. 

Sztuczna inteligencja nauczyła się wybierać materiały do ​​badań

Naukowcy teraz pracują nad tymznaleźć inne sposoby projektowania małych syntetycznych zbiorów danych, czy to ręcznie, czy przy użyciu innego algorytmu. Jednak pomimo tych dodatkowych wyzwań badawczych, artykuł dostarcza teoretycznych podstaw do dalszej nauki. „Naszym wnioskiem jest to, że niezależnie od posiadanych zestawów danych, prawdopodobnie można je spakować, aby model był bardziej wydajny” - powiedzieli.

W przyszłości naukowcy chcą trenować nawet potężnemodele oparte na małych zbiorach danych. W ten sposób opracują jasne instrukcje dotyczące pakowania danych, tak aby naukowcy nawet z niewielkim doświadczeniem mogli z nich korzystać.

Czytaj także

Wcześniej Ziemia i Księżyc miały wspólną tarczę magnetyczną. Uratował planetę przed słońcem

W czarnych dziurach mogą być wszechświaty. Opowiadamy o nowym odkryciu

W 3. dniu choroby większość pacjentów z COVID-19 traci zmysł węchu i często cierpi na katar