מדענים המחשב רוצה לעשות רובוטים לשכוח את הנתונים הרעים שלהם

Uma dívida de gratidão (Homilia Diária.1627: Terça-feira da 32.ª Semana do Tempo Comum)

Uma dívida de gratidão (Homilia Diária.1627: Terça-feira da 32.ª Semana do Tempo Comum)
Anonim

כאשר נתונים "רעים" נשאבים לתוך מערכת הלמידה של מכונה - כך ניסח זאת אלן גרינספאן כאשר דנו במודלים של מחשבים שלא הצליחו לחזות את המיתון ב -2008 - מידע שקשה לסלק. אבל רעיון חדש, שהוצע על ידי מדעני המחשבים ג'ונפנג יאנג ויאנג'י קאו מאוניברסיטת קולומביה ומאוניברסיטת ליהיי, בהתאמה, מביא את הרעיון להשתחרר מהמחשבים. כמו קאו ויאנג לכתוב את המופשט שפורסם עבור כנס IEEE Xplore 2015, אתה לא צריך ללכת כל הדרך חזרה לכיכר אחד לשכוח:

כדי לשכוח מדגם הנתונים אימון, הגישה שלנו פשוט מעדכן מספר קטן של סיכומים - מהר יותר אסימפטוטית מאשר הסבה מאפס. הגישה שלנו היא כללית, כי טופס הסיכום הוא מן הלמידה שאילתה סטטיסטית שבה אלגוריתמים רבים מכונת הלמידה יכול להיות מיושם. הגישה שלנו חלה גם על כל שלבי הלמידה המכונה, כולל בחירת תכונות ודוגמנות. ההערכה שלנו, על ארבע מערכות למידה מגוונות ועומסי עבודה ממשיים, מראה כי הגישה שלנו היא כללית, יעילה, מהירה וקלה לשימוש.

הרעיון של למידה ממוחשבת נשען על יסוד שנבנה מתוך תלוליות ותלוליות של מידע. זה יכול להיות מועיל ללמד רובוטים או אינטליגנציות מלאכותיות כדי ליצור קשרים מסוימים - כגון אם אדם במעיל כבד הוא מפעיל גרזן, הוא או היא עשויים להיות כבאי. אבל באימונים אלה, קשרים שגויים עשויים להתעורר, על פי הנתונים להגדיר. הרובוט שלך עשוי לחשוב שלכל הכבאים יש זקנים. זה, כמובן, הוא משהו שאתה רוצה מחשב בלי לחשוב.

קאו ויאנג בסיס זה הרעיון של מידע רובוטי unoupling על הקונספט של הנתונים השושלת - הנתונים לא באביב מלא נוצרו לתוך העולם, אבל יש היסטוריה traceable כמו הנתונים הגולמיים מעובד, הערות קורצווייל א. ניצול השושלת מאפשר למכונות לבטל חלקים נבחרים של נתונים, מבלי למחוק לחלוטין את החינוך שלהם.