Путь, по которому нейросети приходят от входных данных к решению задачи, очень сложен. Ученые смогли находить кратчайшие пути в глубоком обучении, чтобы увеличить точность процесса, улучшить выполнение задач и снизить нагрузку на процессоры. Это позволит совершенствовать машинное обучение и искусственный интеллект. Исследование опубликовано в журнале Scientific Reports.
Искусственный интеллект сегодня встречается на каждом шагу, но, чтобы получить более широкий спектр возможностей, необходимо машинное обучение. В нем используют разные методы, например глубокое обучение. Оно позволяет научить компьютер делать сложные вещи, например распознавать лица, определять вещи на фотографии, писать тексты и другое, при помощи нейронных сетей и входных данных. Если компьютер увидит что-то впервые, чего нет в его базе, он воспользуется нейросетью. Эта программа похожа на сеть мозговых клеток человека, но на деле это сложная математическая модель. В программе нейроны переносят данные, а нейросеть их обрабатывает. Систему можно представить в виде многоуровневой пирамиды. В ней нижние уровни принимают входные данные, а последующие отображают уже сложные крупномасштабные объекты и характеризуют класс входных данных. Таким образом, глубокое обучение обеспечивает точность распознавания объектов по входным данным. Однако большой объем входных данных значительно перегружает даже мощные процессоры.
Команда исследователей смогла объединить уровни, уменьшить число этапов и увеличить точность процесса. «Можно представить это как двух детей, которые хотят взобраться на гору со множеством изгибов. Один из них выбирает самый быстрый местный маршрут на каждом перекрестке, в то время как другой использует бинокль, чтобы видеть весь путь впереди, и выбирает самый короткий и значимый маршрут, точно так же, как Google Maps или Waze. Первый ребенок может получить преимущество, но в конечном итоге победит второй», — рассказали авторы. Они также выяснили, что группы более сложных данных приводят к значительным колебаниям точности.
Результаты исследования позволят усовершенствовать машинное обучение и сделать улучшенную систему искусственного интеллекта, который сможет легко и более точно выполнять поставленные задачи.
Автор: Дарья Моисеенкова.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
