Ny metod gör att AI kan lära sig utan data

Forskarna förklarade att maskininlärning kräver många exempel från data.Till exempel, för att

skapa en AI-modell som låter dig känna igenhäst, hon behöver analysera tusentals hästbilder. Det är detta som gör tekniken dyr och annorlunda än mänsklig träning. Ett barn behöver ofta bara se några få exempel på ett föremål, eller till och med ett, innan det kan känna igen det hela livet.

Det nya dokumentet föreslår att AI-modeller ocksåkan tränas på detta sätt - forskare kallade denna process för "mindre än en" - när algoritmen känner igen fler objekt, trots att mängden data som den utbildades på var liten.

Till exempel tränade forskare AI att känna igensiffror, men de laddade inte in data om varje nummer i modellen, utan gjorde det som en enda bild, med hänsyn till att många nummer har liknande stilar. Detta gjorde det möjligt för dem att minska mängden data från 60 tusen bilder till 10. 

AI har lärt sig att välja material för forskning

Forskare arbetar nu för atthitta andra sätt att designa små syntetiska datamängder, vare sig det är manuell design eller med en annan algoritm. Trots dessa ytterligare forskningsutmaningar ger artikeln dock en teoretisk grund för vidare lärande. "Vår takeaway är att oavsett vilka datauppsättningar du har, kan du antagligen paketera dem för att göra modellen mer effektiv", konstaterade forskarna.

I framtiden vill forskare träna till och med kraftfullamodeller baserade på små datamängder. På så sätt kommer de att ta fram tydliga instruktioner för förpackningsdata så att forskare med ännu lite erfarenhet kan använda dem.

Läs också

Tidigare hade jorden och månen en gemensam magnetisk sköld. Det räddade planeten från solen

Det kan finnas universum i svarta hål. Vi berättar om den nya upptäckten

På sjukdagens dag 3 förlorar de flesta COVID-19-patienter luktkänslan och lider ofta av en rinnande näsa