นักวิจัยอธิบายว่าแมชชีนเลิร์นนิงต้องการตัวอย่างมากมายจากข้อมูลตัวอย่างเช่นเพื่อ
เอกสารฉบับใหม่ชี้ให้เห็นว่าโมเดล AI ก็เช่นกันสามารถฝึกได้ด้วยวิธีนี้ - นักวิทยาศาสตร์เรียกกระบวนการนี้ว่า "น้อยกว่าหนึ่ง" - เมื่ออัลกอริทึมจดจำวัตถุได้มากขึ้นแม้ว่าข้อมูลที่ได้รับการฝึกฝนจะมีจำนวนน้อยก็ตาม
ตัวอย่างเช่น นักวิจัยฝึกให้ AI จดจำตัวเลขแต่ไม่ได้โหลดข้อมูลเกี่ยวกับแต่ละหมายเลขลงในโมเดลแต่ทำเป็นภาพเดียวโดยคำนึงถึงตัวเลขหลายตัวที่มีรูปแบบคล้ายกัน ซึ่งทำให้พวกเขาสามารถลดจำนวนข้อมูลจาก 60,000 ภาพเหลือ 10 ภาพได้
AI ได้เรียนรู้การเลือกวัสดุเพื่อการวิจัย
ขณะนี้นักวิจัยกำลังดำเนินการค้นหาวิธีอื่น ๆ ในการออกแบบชุดข้อมูลสังเคราะห์ขนาดเล็กไม่ว่าจะเป็นการออกแบบด้วยตนเองหรือใช้อัลกอริทึมอื่น อย่างไรก็ตามแม้จะมีความท้าทายในการวิจัยเพิ่มเติม แต่บทความนี้ยังให้ข้อมูลทางทฤษฎีสำหรับการเรียนรู้เพิ่มเติม “ สิ่งที่ต้องทำของเราคือไม่ว่าคุณจะมีชุดข้อมูลใดคุณก็สามารถจัดแพคเกจเพื่อทำให้แบบจำลองมีประสิทธิภาพมากขึ้นได้” นักวิทยาศาสตร์ตั้งข้อสังเกต
ในอนาคตนักวิจัยต้องการฝึกฝนให้มีประสิทธิภาพมากยิ่งขึ้นแบบจำลองตามชุดข้อมูลขนาดเล็ก ในการทำเช่นนี้พวกเขาจะจัดทำคำแนะนำที่ชัดเจนสำหรับข้อมูลบรรจุภัณฑ์เพื่อให้นักวิทยาศาสตร์ที่มีประสบการณ์เพียงเล็กน้อยสามารถนำไปใช้ได้
อ่านยัง
ก่อนหน้านี้โลกและดวงจันทร์มีเกราะป้องกันแม่เหล็กทั่วไป มันช่วยโลกจากดวงอาทิตย์
อาจมีจักรวาลในหลุมดำ เราบอกคุณเกี่ยวกับการค้นพบใหม่
ในวันที่ 3 ของการเจ็บป่วยผู้ป่วย COVID-19 ส่วนใหญ่สูญเสียความรู้สึกในการดมและมักจะมีอาการน้ำมูกไหล