Dybde studier og syntetisk intelligens (AI) udvikler sig hurtigt inden for områder, hvor nye anvendte videnskaber konstant vokser frem. 5 af de nok mest lovende nye udviklinger på dette område er Federated Studying, GANs, XAI, Reinforcement Studying og Switch Studying.
Disse anvendte videnskaber har potentialet til at revolutionere forskellige maskinstudiefunktioner, fra billedgenkendelse til spil, og give spændende nye alternativer til både forskere og bygherrer.
Forbundsstuderende
Federated Studying er en maskinstudiemetode, der tillader en række gadgets at samarbejde på en enkelt mannequin uden at dele deres viden med en central server. Denne metode er især nyttig under forhold, hvor privathed er et spørgsmål.
For eksempel har Google brugt fødereret undersøgelse til at forbedre nøjagtigheden af dets tekstgenkendelsestastatur uden at kompromittere persons privathed. Maskinstudiemoder udvikles normalt ved at bruge centraliserede videnkilder, hvilket kræver, at personviden deles med en central server. Selvom kunder muligvis virkelig ville føle sig utilpas med at have deres viden samlet og gemt på en enkelt server, kan denne teknik resultere i privateness-point.
Federated studying løser denne ulempe ved at forhindre viden i nogensinde at blive sendt til en central server ved at coache mode om viden, der stadig er på kundernes gadgets. Fordi coaching-viden forblev på kundernes gadgets, var der ingen pligt til at sende gigantiske mængder viden til en central server, hvilket mindskede systemets beregnings- og lagringsbehov.
Associeret: Microsoft udvikler sin personlige AI-chip til ChatGPT: Report
Generative Adversarial Networks (GAN'er)
Genererede modstridende netværk er en slags neurale fællesskaber, der kan bruges til at generere ny, ægte udseende viden baseret for det meste på nuværende viden. For eksempel er GAN'er blevet brugt til at skabe rigtige billeder af individer, dyr og endda landskaber. GAN'er virker ved at sætte to neurale netværk i modsætning til hinanden, hvor det ene fællesskab producerer foregive viden, og det modsatte fællesskab gør et forsøg på at opdage, om informationen er faktisk eller ej.
Generative Adversarial Networks, eller GAN'er for korte, er hurtigt vokset til at være en nummer et ekspertise til at producere ægte kunstig viden. GAN'er er en slags neural fællesskabsstruktur bestående af to netværk: en g... https://t.co/moU2Dls8Gk pic.twitter.com/0ZSRkeZe3z
— phill.ai (@phill_ai) April 20, 2023
Forklarlig AI (XAI)
En AI-metode, der ofte er kendt som forklarlige AI-mål, for at udvide gennemsigtigheden og forståelsen af maskinstuderende mode. XAI er essentiel, da den faktisk kunne sikre, at AI-programmer foretager neutrale og ærlige valg. Lige her er et eksempel på, hvordan XAI muligvis kan bruges:
Tænk på en situation, hvorigennem en finanskoncern gør brug af maskinstudiealgoritmer til at forudsige chancen for, at en ansøger om realkreditlån vil misligholde deres realkreditlån. Med konventionelle sorte boks-algoritmer ville den finansielle institution ikke være opmærksom på algoritmens beslutningsforløb og er muligvis ikke i stand til at afklare det for låntageren.
Ikke desto mindre var algoritmen ved at bruge XAI i stand til at tydeliggøre sit valg, hvilket gjorde det muligt for den finansielle institution at bevise, at den hovedsagelig var baseret på billige bekymringer og aldrig på unøjagtige eller diskriminerende oplysninger. For eksempel kan algoritmen angive, at den beregner en farevurdering, der hovedsagelig er baseret på ansøgerens kreditværdighed, omsætning og beskæftigelseshistoriske fortid. Denne fase af gennemsigtighed og forklaring kan også hjælpe med at skabe tro på AI-programmer, øge ansvarligheden og i sidste ende resultere i højere beslutningstagning.
forstærkningsstudier
En slags maskinstudie, der kaldes forstærkningsstudier, inkluderer at instruere mæglere i at studere via kritik og incitamenter. Mange funktioner, sammen med robotteknologi, spil og endda bankvirksomhed, har draget fordel af denne teknik. For eksempel brugte DeepMinds AlphaGo denne metode til gentagne gange at forbedre sit gameplay og i sidste ende besejre de allerbedste menneskelige Go-spillere, hvilket demonstrerede effektiviteten af forstærkningsstudier i komplicerede beslutningstagningsopgaver.
AI vil være en agent for vores fortryllelse. Sandsynligvis det mest opsigtsvækkende papir, jeg har set om emnet, er en undersøgelse af effektiviteten {af professionelle} GO-spillere tidligere end og efter at have adopteret Leela, den åbne forsyningsmodel af DeepMinds AlphaGo. Forbedret deltagereffektivitet. pic.twitter.com/Tk6qxwOftz
— Miles Grimshaw (@milesgrimshaw) Januar 15, 2023
Tilknyttet: 7 Superior Humanoid Robots In The World
skifte studie
En maskinstudieteknik, der kaldes switch-studier, inkluderer at bruge på forhånd uddannet mode til at løse nye modelproblemer. Denne metode er især nyttig, når der er lidt viden tilgængelig for en helt ny ulempe.
For eksempel har forskere brugt switch-studier til at tilpasse billedgenkendelsesmåder udviklet til en billedsort (f.eks. ansigter) til en anden billedsort - f.eks. B. dyr - for at tilpasse sig.
Denne metode gør det muligt at genbruge de opdagede muligheder, vægte og skævheder fra den på forhånd uddannede mannequin inden for den nye aktivitet, hvilket kan øge effektiviteten af mannequinen betydeligt og nedskalere mængden af viden, der kræves til coaching.
