1337 подписчиков
Короче путь - лучше ИИ.
Глубокое обучение (DL) является одной из самых важных областей искусственного интеллекта, и исследователи постоянно ищут новые способы улучшения его эффективности. В недавней статье, опубликованной в журнале Scientific Reports, исследователи из Университета Бар-Илан в Израиле представили новый подход к решению задач классификации в глубоком обучении.
Исследователи предложили использовать концепцию выбора наиболее важного пути к результату, вместо того, чтобы принимать решения локально на каждом уровне. Они сравнивают это ситуацией, когда двое детей пытаются подняться на гору. Один из них выбирает самый быстрый путь на каждом перекрестке, а другой использует бинокль, чтобы видеть весь путь впереди и выбрать самый короткий и наиболее важный маршрут. Исследователи предлагают использовать подобный подход в глубоком обучении, чтобы выбрать наиболее влиятельные пути к выходным данным.
Профессор Идо Кантер, руководитель исследования, отмечает, что этот подход может проложить путь к более эффективному обучению искусственного интеллекта. Он сравнивает это с использованием Google Maps или Waze для выбора наиболее оптимального маршрута. Хотя первый ребенок может получить некоторое преимущество, в конечном итоге второй ребенок, выбрав наиболее короткий и важный маршрут, достигнет вершины горы быстрее.
Исследование проводится с целью создания более продвинутой системы искусственного интеллекта, которая будет иметь глубокое понимание и биологического мира, и машинного обучения. Исследователи уже обнаружили доказательства эффективной дендритной адаптации с использованием нейрональных культур, а также разработали способы реализации этих результатов в машинном обучении. Они также исследовали механизмы, лежащие в основе успешного глубокого обучения.
DOI: 10.1038/S41598-023-40566-Y
1 минута
1 сентября 2023