Все о Искусственный интеллект
Чтобы понять сбои искусственного интеллекта в их когнитивных процессах, инженеры-электрики из Университета штата Огайо провели исследование, чтобы проанализировать, насколько производительность машины зависит от «непрерывного обучения», действия, при котором компьютер обучается постоянно изучать новые задачи на основе предыдущих действий.
Исследование важно для сравнения процесса обучения ИИ с процессом обучения людей. Для этого ученым необходимо преодолеть препятствие, известное как «катастрофическое забывание», когда машина страдает от потери памяти. Это происходит потому, что нейронные сети ИИ обучаются одной задаче за другой. Таким образом, они, как правило, теряют информацию о предыдущих действиях.
Читать далее:
Несс Шроффм, профессор компьютерных наук и инженерии в Университете штата Огайо, говорит, что исследование исследует именно сложность непрерывного обучения нейронных сетей, сравнивая то, как машины учатся по отношению к людям.
Хотя это все еще сложная задача, цель этих сетей состоит в том, чтобы однажды имитировать способности людей к обучению.
Поскольку приложения для автоматизированного вождения или другие роботизированные системы изучают новые вещи, важно, чтобы они не забывали уроки, которые они уже извлекли для нашей и их безопасности.
Наше исследование исследует сложности непрерывного обучения в этих искусственных нейронных сетях, и то, что мы обнаруживаем, — это идеи, которые начинают преодолевать разрыв между тем, как учится машина, и тем, как учится человек.
Несс Шроффм, профессор информатики и инженерии в Университете штата Огайо.
Исследования штата Огайо показывают, что такие факторы, как сходство задач, отрицательные и положительные корреляции, а также порядок, в котором машина обучается некоторым задачам, важны в период, когда искусственная сеть сохраняет знания.
Шрофф говорит, что раннее обучение задачам в процессе непрерывного обучения помогает оптимизировать память алгоритма. Порядок обучения помогает расширить возможности нейронной сети по получению новой информации и улучшает способность к обучению схожим задачам.
Еще один вывод заключается в том, что искусственные нейронные сети могут легче запоминать информацию, когда им предъявляются контрастные задачи, а не действия со схожими характеристиками.
Как сообщает Татьяна Вудалл, научный журналист из Университета штата Огайо, выяснение того, как непрерывное обучение влияет на машины, позволит ученым быстрее масштабировать алгоритмы машинного обучения, а также адаптировать их для обработки непредвиденных ситуаций.
Работа исследователей важна для понимания сходства обучения между машиной и человеческим мозгом, что позволяет глубже понять ИИ.
Полные результаты опроса будут представлены в конце месяца во время 40-й ежегодной международной конференции по машинному обучению в Гонолулу, Гавайи.
С информацией от TechXplore.
Смотрели новые видео на YouTube от Olhar Digital? Подписывайтесь на канал!