КОМАНДА DEEPMIND З ALPHABET РОЗРОБИЛИ АЛГОРИТМ, ЯКИЙ ДОЗВОЛЯЄ НЕЙРОННОЇ МЕРЕЖІ «ЗАПАМ’ЯТОВУВАТИ» МИНУЛЕ ЗНАННЯ ТА ВЧИТИСЯ БІЛЬШ ЕФЕКТИВНО

xvZBLWaNAYsr7d6R-DS9vd7gY2FYCL1d4SOm7zPBNcQВідомо, що штучному інтелекту потрібні тисячі прикладів, щоб навчитися розпізнавати нові об’єкти. У цьому він значно поступається людині з його здатністю дізнаватися клас предметів по одному представнику. До того ж, сам процес навчання нейронної мережі забирає дуже багато часу. Компанія DeepMind, підрозділ Google, що займається розробками в області штучного інтелекту, знайшла спосіб обійти це.

Дослідники DeepMind внесли кілька поправок для алгоритму глибокого навчання, який дозволяє йому розпізнавати об’єкти на зображеннях або інших речах з одного прикладу за допомогою зв’язків між нейронною мережею і зовнішньою пам’яттю. Ця технологія відома як “одноразове” навчання. Команда розробників продемонструвала роботу цього способу на великій базі даних зображень з тегами, а також на письмі й на мові.

Кращі алгоритми вміють достовірно розпізнавати об’єкти, але для цього їм потрібно багато даних і часу. Алгоритм, навчений впізнавати автомобілі на дорозі, повинен вивчити кілька тисяч прикладів, щоб впевнено працювати в автомобілі з автопілотом. Збір такої кількості даних часто виявляється недоцільним: робот, який повинен допомогти вам орієнтуватися в незнайомій місцевості, не повинен витрачати багато часу на навчання.

Щоб виправити це, дослідник з DeepMind Оріол Віньялс додав компонент пам’яті в систему глибинного навчання – тип нейронної мережі, навчений розпізнавати речі за допомогою регулювання безліч пов’язаних між собою шарів. Його робота аналогічна нейронам в мозку людини. Щоб така мережа працювала ефективно, їй потрібно побачити безліч зображень для точної настройки зв’язку між віртуальними нейронами.

Джерело: https://geektimes.ru/post/282306/

Залишити коментар

Ваша електронна адреса не буде опублікована. Обов'язкові для заповнення поля відмічені*