Истраживачи су објаснили да машинско учење захтева много примера из података. На пример, да
Нови чланак сугерише да се користе и АИ моделиможе да се обучи на овај начин - научници су тај процес назвали „мање од једног“ - када алгоритам препознаје више објеката, упркос чињеници да је количина података на којима је обучен била мала.
На пример, истраживачи су обучили АИ да препознабројева, али нису учитавали податке о сваком броју у модел, већ су то радили као једну слику, узимајући у обзир да многи бројеви имају сличне стилове. То им је омогућило да смање количину података са 60 хиљада слика на 10.&нбсп;
АИ је научио да бира материјале за истраживање
Истраживачи сада раде на томепронађите друге начине за дизајнирање малих синтетичких скупова података, било да се ради о ручном дизајну или помоћу другог алгоритма. Међутим, упркос овим додатним истраживачким изазовима, чланак пружа теоријску основу за даље учење. „Наш потез је да без обзира које скупове података имате, вероватно их можете спаковати како бисте модел учинили ефикаснијим“, рекли су.
У будућности истраживачи желе да тренирају чак и моћномодели засновани на малим скуповима података. Притом ће саставити јасна упутства за податке о паковању како би их научници са чак и мало искуства могли користити.
Прочитајте такође
Раније су Земља и Месец имали заједнички магнетни штит. Спасио је планету од сунца
У црним рупама могу бити универзуми. Говоримо вам о новом открићу
Трећег дана болести, већина пацијената са ЦОВИД-19 губи смрад и често пате од цурења из носа