Cercetătorii au descoperit că atunci când rețelele neuronale cu etichete de antrenament diferite sunt comparate, acestea au performanțe mai bune.
Limbajul binar este compact și precis pentrutransmiterea de informații. În schimb, limbajul uman vorbit este mai tonal și mai analog. Deoarece numerele sunt un mod eficient de digitalizare a datelor, programatorii folosesc rareori alte tipuri de intrări atunci când proiectează o rețea neuronală.
Unul dintre cele mai comune exerciții pentrutestarea unei noi metode de învățare automată: învățarea AI să recunoască obiecte sau animale dintr-o fotografie. Autorii noii lucrări au efectuat un experiment: au creat două noi rețele neuronale care trebuiau să recunoască zece tipuri diferite de obiecte într-o colecție de 50 de mii de fotografii.
Primul sistem AI a fost antrenat în mod tradițional: a fost încărcat cu un tabel de date de mii de rânduri, fiecare corespunzând unei fotografii de antrenament.
Iar autorii au încărcat tabelul în al doilea sistemdate, ale căror rânduri conțineau o fotografie a unui animal sau obiect, iar în a doua coloană era un fișier audio în care o persoană pronunță numele obiectului sau animalului.
Ca rezultat, prima rețea neuronală a produs digitalsensul obiectului care i s-a arătat, iar al doilea a încercat să „spună” ceea ce a văzut. Ambii algoritmi au făcut față sarcinii la fel de eficient și au răspuns corect în 92% din cazuri, notează autorii.
Cu toate acestea, rezultatele experimentului s-au schimbat cândoamenii de știință au redus eșantionul de la 50 de mii la 2,5 mii. Apoi corectitudinea răspunsurilor primului AI a scăzut la 35%, iar pentru al doilea, care a fost antrenat prin voce, a scăzut la doar 70%.
Citeste mai mult:
Cercetătorii s-au aruncat pentru prima dată pe cea mai adâncă navă scufundată
A fost creată prima hartă exactă a lumii. Ce este în neregulă cu toți ceilalți?
A apărut un sistem wireless care ajută la paralizare