Истраживачи су открили да када се упореде неуронске мреже са различитим ознакама за обуку, оне раде боље.
Бинарни језик је компактан и тачан запренос информација. Насупрот томе, говорни људски језик је тонскији и аналогнији. Будући да су бројеви ефикасан начин дигитализације података, програмери ретко користе друге типове улаза приликом дизајнирања неуронске мреже.
Једна од најчешћих вежби затестирање нове методе машинског учења: учење вештачке интелигенције да препозна предмете или животиње на фотографији. Аутори новог рада спровели су експеримент: направили су две нове неуронске мреже које су требале да препознају десет различитих типова објеката у колекцији од 50 хиљада фотографија.&нбсп;
Први систем вештачке интелигенције обучен је на традиционалан начин: учитана је табела података са хиљадама редова, од којих сваки одговара једној фотографији за обуку.&нбсп;
И аутори су учитали табелу у други системподатака у чијим се редовима налазила фотографија животиње или предмета, а у другој колони је био аудио фајл у којем особа изговара назив предмета или животиње.&нбсп;
Као резултат тога, прва неуронска мрежа је произвела дигиталнузначење предмета који јој је показан, а друга је покушала да „каже“ шта је видела. Оба алгоритма су се подједнако ефикасно изборила са задатком и одговорила тачно у 92 одсто случајева, напомињу аутори.&нбсп;
Међутим, резултати експеримента су се променили каданаучници су смањили узорак са 50 хиљада на 2,5 хиљада Тада је тачност одговора првог АИ пала на 35 одсто, а код другог, који је обучен гласом, пала је на само 70 одсто.
Опширније:
Истраживачи су први пут упали у најдубље потопљени брод
Створена је прва тачна мапа света. Шта није у реду са свима осталима?
Појавио се бежични систем који помаже парализованим