Syväoppiminen ja synteettinen älykkyys (AI) ovat nopeasti kehittyviä aloja, joilla uudet soveltavat tieteet ovat jatkuvasti nousussa. Viisi luultavasti lupaavimmasta uudesta kehityksestä tällä alalla ovat Federated Studying, GANs, XAI, Reforcement Studying ja Switch Studying.
Nämä soveltavat tieteet voivat mullistaa erilaisia koneiden opiskelutoimintoja kuvantunnistuksesta pelaamiseen ja tarjota jännittäviä uusia vaihtoehtoja niin tutkijoille kuin rakentajillekin.
Liittynyt opiskelu
Federated Studying on koneellinen opiskelumenetelmä, jonka avulla useat vempaimet voivat tehdä yhteistyötä yhden mallinuken kanssa jakamatta tietojaan keskuspalvelimen kanssa. Tämä menetelmä on erityisen hyödyllinen olosuhteissa, joissa yksityisyydestä on kysymys.
Google on esimerkiksi käyttänyt yhdistettyä opiskelua parantaakseen tekstintunnistusnäppäimistönsä tarkkuutta vaarantamatta henkilöiden yksityisyyttä. Koneopiskelun muotia kehitetään yleensä keskitettyjä tietolähteitä hyödyntäen, mikä edellyttää henkilötiedon jakamista keskuspalvelimen kanssa. Vaikka asiakkaat saattavat todella tuntea olonsa epämukavaksi, jos heidän tietonsa kerätään ja tallennetaan yhdelle palvelimelle, tämä tekniikka voi johtaa yksityisyyspisteisiin.
Yhdistetty opiskelu ratkaisee tämän haitan estämällä tiedon koskaan lähettämisen keskuspalvelimelle ohjaamalla muotia tiedosta, joka on edelleen asiakkaiden laitteissa. Samoin koska valmennusosaaminen jäi asiakkaiden vempaimiin, ei tarvinnut lähettää valtavia tietomääriä keskuspalvelimelle, mikä vähensi järjestelmän laskenta- ja tallennustarpeita.
Associated: Microsoft kasvattaa henkilökohtaista AI-siruaan ChatGPT:lle: Report
Generatiiviset kontradiktoriset verkot (GAN)
Generoidut kilpailevat verkot ovat eräänlainen hermoyhteisö, jota voidaan hyödyntää uuden, todellisen näköisen tiedon luomiseen, joka perustuu enimmäkseen nykyiseen tietoon. GAN:ia on käytetty esimerkiksi luomaan aidon näköisiä valokuvia yksilöistä, eläimistä ja jopa maisemista. GANit toimivat asettamalla kaksi hermoverkkoa vastakkain toistensa kanssa, jolloin yksi yhteisö tuottaa teeskenneltyä tietoa ja vastakkainen yhteisö yrittää havaita, onko tieto todellista vai teeskenneltyä.
Generative Adversarial Networks tai lyhyesti GAN:t ovat nopeasti kasvaneet ykkösosaamiseksi todellisen näköisen keinotekoisen tiedon tuottamiseen. GAN:t ovat eräänlainen hermoyhteisörakenne, joka koostuu kahdesta verkosta: ... https://t.co/moU2Dls8Gk pic.twitter.com/0ZSRkeZe3z
— phill.ai (@phil_ai) Huhtikuu 20, 2023
Selitettävä tekoäly (XAI)
Tekoälymenetelmä, joka tunnetaan usein selitettävinä tekoälytavoitteina laajentaa läpinäkyvyyttä ja ymmärrystä koneen opiskelutavoista. XAI on välttämätön, koska se voi itse asiassa varmistaa, että tekoälyohjelmat tekevät neutraaleja ja rehellisiä valintoja. Tässä on esimerkki siitä, kuinka XAI:ta voitaisiin mahdollisesti käyttää:
Ajattele tilannetta, jossa finanssiryhmä käyttää koneentutkimisalgoritmeja ennustaakseen mahdollisuuden, {että asuntolainahakija laiminlyö asuntolainansa. Perinteisillä black-box-algoritmeilla rahoituslaitos ei kiinnittäisi huomiota algoritmin päätöksentekoon eikä välttämättä pysty selventämään sitä asuntolainahakijalle.
Kuitenkin käyttämällä XAI:ta algoritmi pystyi selventämään valintaansa, jolloin rahoituslaitos pystyi todistamaan, että se perustui enimmäkseen halpoihin huolenaiheisiin eikä koskaan epätarkkoihin tai syrjiviin tietoihin. Algoritmi voi esimerkiksi määrittää, että se laskee vaaraluokituksen pääasiassa hakijan luottokelpoisuuden, tulojen ja työhistorian perusteella. Tämä läpinäkyvyyden ja selitettävyyden vaihe voi myös auttaa rakentamaan uskoa tekoälyohjelmiin, lisäämään vastuullisuutta ja lopputuloksena parempaan päätöksentekoon.
vahvistus opiskelu
Eräänlainen koneopiskelu, jota kutsutaan vahvistusopiskeluksi, sisältää välittäjien ohjaamisen opiskelemaan kritiikin ja kannustimien kautta. Monet toiminnot, robotiikka, pelaaminen ja jopa pankkitoiminta, ovat hyödyntäneet tätä tekniikkaa. Esimerkiksi DeepMind's AlphaGo käytti tätä menetelmää parantaakseen toistuvasti pelaamistaan ja kukistaakseen lopulta parhaat Go-pelaajat, mikä osoitti monimutkaisissa päätöksentekotehtävissä opiskelun vahvistamisen tehokkuuden.
Tekoäly on lumoutemme agentti. Todennäköisesti huomiota herättävin artikkeli, jonka olen nähnyt aiheesta, on tutkimus {ammattimaisten} GO-pelaajien tehokkuudesta ennen DeepMindin AlphaGon avoimen tarjonnan mallia Leelaa ja sen jälkeen. Parempi osallistujien tehokkuus. pic.twitter.com/Tk6qxwOftz
- Miles Grimshaw (@milesgrimshaw) Tammikuu 15, 2023
Liittynyt: 7 ylivoimaista humanoidirobottia maailmassa
vaihtaa opiskelua
Koneopiskelutekniikka, jota kutsutaan kytkinopiskeluksi, sisältää etukäteen koulutettujen muotien hyödyntämisen uusien malliongelmien ratkaisemiseksi. Tämä menetelmä on erityisen hyödyllinen silloin, kun vain vähän tietoa on saatavilla aivan uuden epäkohdan vuoksi.
Esimerkiksi tutkijat ovat käyttäneet kytkintutkimusta mukauttaakseen yhdelle kuvalajille (esim. kasvot) kehitettyjä kuvantunnistustapoja eri kuvalajeihin - esim. B.-eläimiin - sopeutuakseen.
Tämä menetelmä mahdollistaa aiemmin koulutetun mallinuken löydettyjen vaihtoehtojen, painojen ja harhojen hyödyntämisen uudessa toiminnassa, mikä voi merkittävästi parantaa mallinuken tehokkuutta ja pienentää valmennukseen tarvittavan tiedon määrää.
