Os pesquisadores explicaram que o aprendizado de máquina requer muitos exemplos de dados. Por exemplo, para
O novo artigo sugere que os modelos de IA tambémpode ser treinado dessa forma - os cientistas chamam esse processo de "menos de um" - quando o algoritmo reconhece mais objetos, apesar do fato de que a quantidade de dados em que foi treinado foi pequena.
Por exemplo, os investigadores treinaram a IA para reconhecernúmeros, mas não carregaram dados sobre cada número no modelo, mas sim como uma única imagem, levando em consideração que muitos números possuem estilos semelhantes. Isso permitiu reduzir a quantidade de dados de 60 mil imagens para 10.

AI aprendeu a selecionar materiais para pesquisa
Os pesquisadores agora estão trabalhando paraEncontre outras maneiras de projetar pequenos conjuntos de dados sintéticos, seja um projeto manual ou usando outro algoritmo. No entanto, apesar desses desafios adicionais de pesquisa, o artigo fornece uma base teórica para o aprendizado futuro. “Nossa conclusão é que não importa quais conjuntos de dados você tenha, provavelmente você pode empacotá-los para tornar o modelo mais eficiente”, observaram os cientistas.
No futuro, os pesquisadores querem treinar até mesmo poderososmodelos baseados em pequenos conjuntos de dados. Ao fazer isso, eles redigirão instruções claras para empacotar dados para que cientistas com pouca experiência possam usá-los.
Leia também
Anteriormente, a Terra e a Lua tinham um escudo magnético comum. Ele salvou o planeta do sol
Pode haver universos em buracos negros. Nós falamos sobre a nova descoberta
No terceiro dia de doença, a maioria dos pacientes com COVID-19 perde o olfato e geralmente sofre de corrimento nasal