NVIDIA راهی برای آموزش هوش مصنوعی با داده های بسیار کم پیدا کرده است


در گذشته ، یکی از راه های تلاش محققان هوش مصنوعی برای دور زدن این مشکل ، استفاده از روشی به نام افزایش داده است. با استفاده مجدد از الگوریتم تصویر به عنوان نمونه ، در مواردی که مواد زیادی برای کار وجود ندارد ، آنها سعی می کنند با ایجاد نسخه های “تحریف شده” از آنچه در دسترس است ، این مشکل را دور بزنند. در این حالت ، اعوجاج ممکن است به معنی برش یک تصویر ، چرخش یا معکوس باشد. ایده در اینجا این است که شبکه هرگز دقیقاً همان تصویر را دو بار نمی بیند.

مشکل این روش این است که منجر به وضعیتی می شود که GAN به جای ایجاد چیز جدید یاد می گیرد از این تحریفات تقلید کند. رویکرد جدید تبعیض انطباقی NVIDIA (ADA) هنوز از افزایش داده استفاده می کند ، اما آن را سازگار می کند. به جای اینکه تصاویر را در کل مراحل آموزش تحریف کنید ، این کار را به صورت انتخابی و دقیق انجام می دهد تا GAN از انجام بیش از حد فشار جلوگیری کند.

نتیجه بالقوه رویکرد NVIDIA از آنچه فکر می کنید قابل توجه است. یادگیری هوش مصنوعی برای نوشتن یک بازی جدید ماجراجویی متنی آسان است زیرا مواد زیادی برای کار الگوریتم وجود دارد. همین امر در مورد بسیاری از وظایف دیگری که محققان می توانند برای کمک به GAN مراجعه کنند صادق نیست. به عنوان مثال ، آموزش یک الگوریتم برای تشخیص اختلال مغز عصبی نادر دقیقاً به دلیل نادر بودن آن دشوار است. با این حال ، یک GAN آموزش دیده با رویکرد ADA NVIDIA می تواند این مشکل را حل کند. به عنوان یک پاداش اضافی ، پزشکان و محققان می توانند یافته های خود را به راحتی در هنگام کار بر روی پایگاه داده ای از تصاویر ایجاد شده توسط هوش مصنوعی به جای بیماران در دنیای واقعی ، به اشتراک بگذارند. NVIDIA اطلاعات بیشتری در مورد رویکرد ADA جدید خود در کنفرانس آتی NeurIPS ، که از 6 دسامبر آغاز می شود ، به اشتراک می گذارد.


منبع: shose-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>