jambulboy, PixaBay.com

Намериха начин за освобождаване на AI от пристрастия

С увеличаване на разнообразието от данни невронните мрежи може да загубя способността да разпознават обекти, които вече са срещали

Александър Главчев
492 прочитания

© jambulboy, PixaBay.com


Експерти от Масачузетския технологичен институт, Харвардския университет и Fujitsu твърдят, че са установили как характеристиките на данните за обучение влияят върху способността на невронните мрежи да разпознават обекти, които все още не са "виждали".

За целта на изследването авторите са подготвили набори от данни с изображения на различни обекти, направени от различни ъгли. Учените са променяли степента на разнообразие - набор от данни с обекти, показани само от един ъгъл, се е смятал за по-малко разнообразен. В резултат на това се оказало, че с увеличаване на разнообразието невронната мрежа става по-способна да "разпознава" познати обекти от други ъгли - отклонението е по-малко, но тя може да загуби способността да класифицира обекти, които вече е срещала.

Системите с изкуствен интелект често се обучават да изпълняват едновременно няколко свързани задачи - смята се, че това повишава ефективността на решаването на всяка от тях. Изследователите обаче установяват, че това не е така. Според тях се оказва, че моделът, който се преподава на всяка задача поотделно, преодолява пристрастията по-добре. Обяснява се, че когато се научават да разпознават обекти в изображение, в мрежите се появяват два типа неврони - някои се специализират в определянето на категорията на обект, други - в определянето на ъгъла. Оказва се, че при отделно обучение това разделение на невроните е по-изразено. Учените възнамеряват занапред да проучат допълнително тази особеност.

Експерти от Масачузетския технологичен институт, Харвардския университет и Fujitsu твърдят, че са установили как характеристиките на данните за обучение влияят върху способността на невронните мрежи да разпознават обекти, които все още не са "виждали".

За целта на изследването авторите са подготвили набори от данни с изображения на различни обекти, направени от различни ъгли. Учените са променяли степента на разнообразие - набор от данни с обекти, показани само от един ъгъл, се е смятал за по-малко разнообразен. В резултат на това се оказало, че с увеличаване на разнообразието невронната мрежа става по-способна да "разпознава" познати обекти от други ъгли - отклонението е по-малко, но тя може да загуби способността да класифицира обекти, които вече е срещала.

Споразумението между съдружниците на стартъпа създава яснота в отношенията им
Съдържание за Адвокатско дружество "Динова, Русев и съдружници"
Tobel - управление на територията в умния град
Съдържание от Mapex

Най-новото

Apple представи AR шлем - Vision Pro

Apple представи AR шлем - Vision Pro

  • 0
  • 140






Apple Reality идва през декември?

Apple Reality идва през декември?

  • 0
  • 187


5% от съкращенията в САЩ за заради изкуствен интелект

5% от съкращенията в САЩ за заради изкуствен интелект

  • 0
  • 241

Още от Digitalk ›
С използването на сайта вие приемате, че използваме „бисквитки" за подобряване на преживяването, персонализиране на съдържанието и рекламите, и анализиране на трафика. Вижте нашата политика за бисквитките и декларацията за поверителност. ОК