Cercetătorii au explicat că învățarea automată necesită multe exemple din date. De exemplu, să
Noua lucrare sugerează și modelele AIpoate fi instruit în acest fel - oamenii de știință au numit acest proces „mai puțin de unul” - atunci când algoritmul recunoaște mai multe obiecte, în ciuda faptului că cantitatea de date pe care a fost instruit a fost mică.
De exemplu, cercetătorii au instruit AI să recunoascănumere, dar nu au încărcat date despre fiecare număr în model, ci au făcut-o ca o singură imagine, ținând cont de faptul că multe numere au stiluri similare. Acest lucru le-a permis să reducă cantitatea de date de la 60 de mii de imagini la 10.
AI a învățat să selecteze materiale pentru cercetare
Cercetătorii lucrează acumgăsiți alte modalități de a proiecta mici seturi de date sintetice, fie că este vorba de proiectare manuală sau folosind un alt algoritm. Cu toate acestea, în ciuda acestor provocări suplimentare de cercetare, articolul oferă o bază teoretică pentru învățarea ulterioară. „Plasamentul nostru este că, indiferent de seturile de date pe care le aveți, probabil le puteți împacheta pentru a face modelul mai eficient”, au spus ei.
În viitor, cercetătorii vor să se antreneze chiar și puternicmodele bazate pe seturi de date mici. Procedând astfel, vor elabora instrucțiuni clare pentru ambalarea datelor, astfel încât oamenii de știință cu chiar și puțină experiență să le poată utiliza.
Citește și
Anterior, Pământul și Luna aveau un scut magnetic comun. A salvat planeta de la soare
Pot exista universuri în găurile negre. Vă povestim despre noua descoperire
În ziua a 3-a de boală, majoritatea pacienților cu COVID-19 își pierd simțul mirosului și suferă adesea de un nas curgător