Számítógép-tudósok akarják, hogy a robotok elfelejtsék a rossz adatokat

$config[ads_kvadrat] not found

SZ - In The Mud [Music Video] | Link Up TV

SZ - In The Mud [Music Video] | Link Up TV
Anonim

Amikor a „rossz” adatok beszivárognak egy gépi tanulási rendszerbe - így alakította ki Alan Greenspan, amikor megvitatta azokat a számítógépes modelleket, amelyek nem tudták megjósolni a 2008-as recessziót -, hogy az információ nehezen leszállítható. Azonban a számítógépes tudósok, Junfeng Yang és Yinzhi Cao, a Columbia Egyetem és a Lehigh Egyetem által javasolt új koncepció a számítógépek tanulásának elképzeléseit idézi. Ahogy Cao és Yang a 2015-ös IEEE Xplore konferencián közzétett absztraktban írja le, nem kell egészen a következő négyzetbe mentenie:

A képzési adat mintájának elfelejtése érdekében a megközelítésünk csak néhány összegzést frissít - aszimptotikusan gyorsabb, mint a nulláról történő átképzés. A megközelítésünk általános, mert az összegzési forma abból a statisztikai lekérdezési tanulásból származik, amelyben számos gépi tanulási algoritmus valósítható meg. Megközelítésünk a gépi tanulás minden szakaszára vonatkozik, beleértve a funkciók kiválasztását és modellezését. Az értékelésünk négy különböző tanulási rendszerre és valós munkaterhekre mutat, hogy a megközelítésünk általános, hatékony, gyors és könnyen használható.

A gépi tanulás fogalma a dombokból és az információs dombokból épült alapokon nyugszik. Ez hasznos lehet a robotok vagy a mesterséges intelligenciák megtanítása érdekében, hogy bizonyos kapcsolatokat hozzanak létre - például ha egy nehéz kabátban egy személy fejszét használ, lehet, hogy tűzoltó. Ezeken a képzéseken azonban az adatkészlet alapján hibás kapcsolatok keletkezhetnek. A robotod úgy gondolja, hogy minden tűzoltónak szakálla van. Ez nyilvánvalóan olyan dolog, amit egy számítógéphez szeretne unthink.

A Cao és Yang a robotinformációs szétválasztás eszméjét az adatvonal fogalmára alapozza -, hogy az adatok nem merülnek fel teljes egészében a világban, de nyomon követhető előzményei vannak a nyers adatok feldolgozásakor, megjegyzések Kurzweil A.I. Ennek a vonalnak a kiaknázása lehetővé teszi a gépek számára, hogy megtanulják az adatok egyes részeinek megtanulását anélkül, hogy teljesen eltörölnék az oktatásukat.

$config[ads_kvadrat] not found