Vedci zistili, že keď sa porovnávajú neurónové siete s rôznymi tréningovými štítkami, dosahujú lepšie výsledky.
Binárny jazyk je kompaktný a presný pre jazykprenos informácií. Oproti tomu hovorený ľudský jazyk je tonálnejší a analogickejší. Pretože čísla sú efektívnym spôsobom digitalizácie údajov, programátori pri navrhovaní neurónovej siete zriedka používajú iné typy vstupov.
Jedno z najbežnejších cvičení pretestovanie novej metódy strojového učenia: učenie AI rozpoznávať predmety alebo zvieratá na fotografii. Autori nového diela uskutočnili experiment: vytvorili dve nové neurónové siete, ktoré mali rozpoznať desať rôznych typov objektov v zbierke 50 tisíc fotografií.
Prvý systém AI bol trénovaný tradičným spôsobom: bola načítaná dátová tabuľka s tisíckami riadkov, z ktorých každý zodpovedal jednej tréningovej fotografii.
A autori nahrali tabuľku do druhého systémuúdaje, ktorých riadky obsahovali fotografiu zvieraťa alebo predmetu a v druhom stĺpci bol zvukový súbor, v ktorom osoba vyslovuje názov predmetu alebo zvieraťa.
Výsledkom bolo, že prvá neurónová sieť vytvorila digitálnevýznam predmetu, ktorý jej bol ukázaný, a druhý sa snažil „povedať“, čo videla. Oba algoritmy sa s úlohou vyrovnali rovnako efektívne a odpovedali správne v 92 % prípadov, poznamenávajú autori.
Výsledky experimentu sa však zmenili, keďvedci zredukovali vzorku z 50 tis. na 2,5 tis.. Potom klesla správnosť odpovedí prvej AI na 35 % a pri druhej, ktorá bola trénovaná hlasom, klesla len na 70 %.
Čítaj viac:
Vedci sa po prvý raz ponorili do najhlbšej potopenej lode
Bola vytvorená prvá presná mapa sveta. Čo je zlé na všetkých ostatných?
Objavil sa bezdrôtový systém, ktorý pomáha paralyzovať