یادگیری خود نظارت، آینده هوش مصنوعی است

یادگیری خود نظارت، آینده هوش مصنوعی است

هوش مصنوعی داده های بسیاری برای انجام امور نیاز دارد اما اگر یادگیری خود نظارت داشته باشد چه می شود

علیرغم مشارکت عظیم یادگیری عمیق در زمینه هوش مصنوعی ، مشکلی در آن وجود دارد:

وآن هم داده های زیاد است. این یک مورد است که هم پیشگامان و هم منتقدان یادگیری عمیق در مورد آن توافق دارند.

در حقیقت ، یادگیری عمیق به دلیل محدود بودن دسترسی به اطلاعات مفید

و کمبود توان محاسباتی برای پردازش این داده ها ، به عنوان تکنیک پیشرو هوش مصنوعی ظهور نمی کرد.

کاهش وابستگی به داده های یادگیری عمیق در حال حاضر جزو اولویت های اصلی محققان هوش مصنوعی قرار دارد.

یادگیری خود نظارت

در سخنرانی اصلی خود در کنفرانس AAAI ، دانشمند رایانه Yann LeCun در مورد محدودیت های تکنیک های یادگیری عمیق کنونی بحث کرده

و طرح “یادگیری خود نظارت” ، نقشه راه خود را برای حل مشکل داده های یادگیری عمیق ارائه داده است.

LeCun یکی از پیشرو های یادگیری عمیق و مخترع شبکه های عصبی کانونشنال (CNN) است ،

یکی از عناصر کلیدی است که در یک دهه گذشته انقلابی در هوش مصنوعی ایجاد کرده است.

یادگیری خود نظارت یکی از چندین برنامه برای ایجاد سیستم های هوش مصنوعی کارآمد با داده است.

در این مرحله ، پیش بینی اینکه کدام تکنیک در ایجاد انقلاب بعدی هوش مصنوعی موفق خواهد بود  واقعا دشوار است.

اما این چیزی است که ما درباره برنامه LeCun می دانیم.

“یادگیری عمیق بر یادگیری نظارت نیست و حتی فقط شبکه های عصبی نیستند.

در اصل این ایده برای ساختن سیستم با جمع کردن ماژول های پارامتری در یک نمودار محاسباتی است.

“LeCun در سخنان AAAI خود گفت:

در این روش شما مستقیماً سیستم را برنامه ریزی نمی کنید. شما معماری را تعریف می کنید و آن پارامترها را تنظیم می کنید.

وی امید دارد تا با این روش انقلابی دیگر در زمینه هوش مصنوعی ایجاد کند.

  • برگشت به مقالات
ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.

برچسب ها