Sınırsız bilgisayar fraktalları, AI'yı görmek için eğitmeye yardımcı olabilir

fraktal

Bayan Teknik | Sıçramayı kaldır



Çoğu görüntü tanıma sistemi, yılanlardan sarsıntılara ve ayakkabılara kadar günlük nesnelerin milyonlarca fotoğrafını içeren büyük veritabanları kullanılarak eğitilir. Tekrarlanan maruz kalma ile AI'lar bir tür nesneyi diğerinden ayırt etmeyi öğrenir. Şimdi Japonya'daki araştırmacılar, AI'ların eğitilerek günlük nesneleri tanımayı öğrenmeye başlayabileceğini gösterdi. bilgisayar tarafından oluşturulan fraktallar üzerinde Bunun yerine.

ac çevre için ne kadar kötü

Garip bir fikir ama büyük bir anlaşma olabilir. Eğitim verilerini otomatik olarak oluşturma makine öğreniminde heyecan verici bir trend. İnternetten kazınmış fotoğraflar yerine sonsuz sayıda sentetik görüntü kullanmak, mevcut el yapımı veri kümeleriyle ilgili sorunları önler.





Eğitim sorunu: Ön eğitim, bir yapay zekanın daha özel veriler üzerinde eğitilmeden önce bazı temel becerileri öğrendiği bir aşamadır. Önceden eğitilmiş modeller, daha fazla insanın güçlü AI kullanmasına izin verir. Bir modeli sıfırdan eğitmek yerine, mevcut bir modeli kendi ihtiyaçlarına göre uyarlayabilirler. Örneğin, tıbbi taramaları teşhis etmeye yönelik bir sistem, ilk olarak, günlük nesnelerin bir veritabanı üzerinde önceden eğitilerek şekil ve anahat gibi temel görsel özellikleri tanımlamayı öğrenebilir. Resim Ağı 14 milyondan fazla fotoğraf içeren. Ardından, hastalığın ince belirtilerini tanıyana kadar daha küçük bir tıbbi görüntü veri tabanında ince ayar yapılır.

Yapay zekanın görünmez işçi sorunuyla yüzleşmesi gerekiyor Makine öğrenimi modelleri, düşük ücretli çevrimiçi konser çalışanları tarafından eğitilir. Saiph Savage, uzaklaşmıyorlar - ancak çalışma şeklini değiştirebiliriz, diyor.

Sorun şu ki, ImageNet gibi bir veri setini elle birleştirmek çok zaman ve çaba gerektiriyor. Görüntüler genellikle şu şekilde etiketlenir: düşük ücretli kalabalık işçiler . Veri kümeleri şunları da içerebilir: cinsiyetçi veya bir modeli gizli yollarla önyargılı hale getirebilecek ırkçı etiketler ve ayrıca rızaları olmadan dahil edilen kişilerin görüntüleri. Bu önyargıların içeri sızabileceğine dair kanıtlar var ön eğitimde bile .

Doğal formlar : Fraktallar ağaçlardan çiçeklere, bulutlardan dalgalara kadar her şeyde bulunabilir. Bu, Japonya'nın Ulusal İleri Endüstriyel Bilim ve Teknoloji Enstitüsü (AIST), Tokyo Teknoloji Enstitüsü ve Tokyo Denki Üniversitesi'ndeki ekibi, bu modellerin fotoğrafları kullanmak yerine otomatik bir sisteme görüntü tanımanın temellerini öğretmek için kullanılıp kullanılamayacağını merak ettirdi. gerçek nesnelerden.



Araştırmacılar, bilgisayar tarafından oluşturulan sonsuz sayıda fraktal olan FractalDB'yi yarattılar. Bazıları yapraklara benziyor; diğerleri kar taneleri veya salyangoz kabuklarına benziyor. Her benzer desen grubuna otomatik olarak bir etiket verildi. Daha sonra, bir dizi gerçek görüntüyle eğitimini tamamlamadan önce, görüntü tanıma sistemlerinde yaygın olarak kullanılan bir tür derin öğrenme modeli olan evrişimli bir sinir ağını önceden eğitmek için FractalDB'yi kullandılar. ImageNet ve ImageNet dahil olmak üzere son teknoloji veri setlerinde eğitilmiş modeller kadar iyi performans gösterdiğini buldular. Yerler 2,5 milyon dış mekan sahnesi görüntüsü içeren.

Çalışıyor mu? Çalışmaya dahil olmayan Alabama'daki Auburn Üniversitesi'nden Anh Nguyen, FractalDB'nin henüz ImageNet'in beğenisine uygun olduğuna ikna olmadı. Soyut desenlerin nasıl yapılabileceğini araştırdı. görüntü tanıma sistemlerini karıştır . Bu çalışma ile makineleri kandıran örnekler arasında bir bağlantı olduğunu söylüyor. Bu yeni yaklaşımın nasıl çalıştığını daha ayrıntılı olarak araştırmak istiyor. Ancak Japon araştırmacılar, yaklaşımlarındaki ince ayarlarla FractalDB gibi bilgisayar tarafından oluşturulan veri kümelerinin mevcut olanların yerini alabileceğini düşünüyor.

Neden fraktallar: Araştırmacılar ayrıca yapay zekalarını diğer soyut görüntüleri kullanarak eğitmeyi denediler. Perlin gürültüsü benekli desenler oluşturan ve Bezier eğrileri , bilgisayar grafiklerinde kullanılan bir eğri türü. Ancak fraktallar en iyi sonuçları verdi. AIST'de baş yazar Hirokatsu Kataoka, fraktal geometrinin dünyanın arka plan bilgisinde var olduğunu söylüyor.

saklamak

Gerçek Teknolojiler

Kategori

Kategorize Edilmemiş

Teknoloji

Biyoteknoloji

Teknoloji Politikası

İklim Değişikliği

İnsan Ve Teknoloji

Silikon Vadisi

Bilgi Işlem

Mit Haber Dergisi

Yapay Zeka

Uzay

Akıllı Şehirler

Blok Zinciri

Özellik Hikayesi

Mezun Profili

Mezun Bağlantısı

Mit Haber Özelliği

1865

Benim Görüşüm

77 Toplu Cadde

77 Toplu Cad

Yazarla Tanışın

Cömertlik Içindeki Profiller

Kampüste Görüldü

Mezun Mektupları

Haberler

Seçim 2020

İle Indeksi

Kubbenin Altında

Yangın Hortumu

İle İndeks

Sonsuz Hikayeler

Pandemi Teknoloji Projesi

Başkandan

Kapak Hikayesi

Fotoğraf Galerisi

Tavsiye