افزایش شدت آموزش مدلهای هوش مصنوعی با تکنیک تازه محققان گوگل_سیاه پوش
نوشته و ویرایش شده توسط مجله سیاه پوش
محققان گوگل از تکنیک تازه برای آموزش مدلهای هوش مصنوعی با شدت زیاد تر منفعت گیری میکنند. تکنیک جدیدی که اخیراً محققان گوگل برای آموزش مدلهای هوش مصنوعی به کار گرفتند میتواند شدت آموزش را افزایش داده و با پشتیبانی دادههای مکمل قابلیت یادگیری را به حداکثر رساند.
به نقل از سرویس اخبار فناوری و تکنولوژی تکنا، محققان قسمت دیپ مایند در گوگل برای افزایش شدت آموزش هوش مصنوعی روش جدیدی به نام JEST را گسترش دادند. این روش به طور قابل توجهی میتواند به افت منبع های محاسباتی و زمان مورد نیاز برای آموزش هوش مصنوعی منجر بشود.
مقدار مصرف انرژی در صنعت هوش مصنوعی زیاد زیاد است. سیستمهای بزرگی نظیر چت جی پی تی برای پردازش به قوت بسیاری نیاز داشته و این چنین برای خنک کردن این سیستمها نیز به انرژی و آب بسیاری نیاز خواهد می بود. این چنین تقاضای مربوط به هوش مصنوعی علتشده تا مقدار مصرف انرژی در شرکتهای بزرگ فناوری به شدت افزایش اشکار کند. به همین علت گسترش راه حلها و رویکردهای تازه همانند رویکرد یادگیری متضاد چند وجهی از طریق انتخاب مثال مشترک در گوگل میتواند راه حل مناسبی برای مقابله با این چالشها محسوب بشود.
محققان گوگل میگویند روش JEST با منفعت گیری از بهینهسازی روال انتخاب دادهها در آموزش، تعداد تکرارها و توان محاسباتی را افت خواهد داد. این کار در نهایت به مصرف انرژی کمتر برای آموزش هوش مصنوعی منجر میبشود. نحوه کار این روش به طوری است که در آن دستهای از دادههای مکمل برای یادگیری مدل هوش مصنوعی انتخاب و بدین ترتیب قابلیت یادگیری به حداکثر خواهد رسید.
این در حالی است که در راه حلهای سنتی از مثالهای واحد برای آموزش منفعت گیری میبشود. اما این الگوریتم ترکیب کلی مجموعه را برای آموزش در نظر خواهد گرفت. بدین ترکیب میتواند به طوری انجام بشود که آموزش موثرتر بوده و دانش مربوط به یکی از تکنیکها در آموزش فرد دیگر نیز نقش موثری داشته باشد. به حرف های محققان گوگل شیوه یادگیری متضاد از نوع چند وجهی با شناسایی وابستگی بین نقاط داده تشکیل خواهد شد.
دسته بندی مطالب