Ученые создали метод для обучения ИИ без данных
Специалисты из США представили новый метод упаковки большого объема данных для обучения ИИ. Это снизит затраты на тренировку модели в несколько раз.
Исследователи объяснили, что машинное обучение требует множества примеров из данных. Например, чтобы создать модель ИИ, позволяющую распознать лошадь, ей необходимо проанализировать тысячи изображений лошадей. Это то, что делает технологию дорогой и отличающейся от обучения человека. Ребенку часто нужно увидеть всего несколько примеров предмета, или даже один, прежде чем он сможет распознавать его на протяжении всей своей жизни, пишет Technology Review.
В новой работе предлагается, что модели ИИ cмогут обучаться также – ученые назвали этот процесс «менее одного» – когда алгоритм распознает больше объектов, несмотря на то, что количество данных, на котором она обучалась, было небольшим.
Например, исследователи обучали ИИ распознаванию цифр, но загружали в модель не данные о каждой цифре, а делали это единой картинкой, учитывая, что у многих цифр есть схожие начертания. Это позволило им уменьшить количество данных с 60 тыс. снимков до 10.
