Hatékonyabban tanulna a mesterséges intelligencia

A gépi tanulás eddig közel sem olyan hatékony, mint a gyerekeké, legalábbis mintázatok felismerésében. Ahhoz, hogy egy AI modell felismerje, hogy a képen egy ló van, többezernyi példát kell betáplálni a rendszerébe. Egy gyereknek elég egyszer látnia egy lovat ahhoz, hogy utána egy egész életen keresztül felismerje az állatot, mivel az állat több jellegzetes vonását is képes azonnal felismerni.

Sőt, a gyerekeknek gyakran még példa sem szükséges: ha egy lóról, és egy orrszarvúról mutatunk képet neki, és azt mondjuk, hogy egy unikornis a kettő keveréke, akkor úgy is felismerik a képzeletbeli állatot, hogy még sosem látták.

Gazdaságos tanulás

Eddig lehetetlennek tűnt, hogy az adatbetápláláson kívül más módszerrel tanuljanak az algoritmusok, most azonban úgy tűnik, hogy a Waterloo Egyetemen most új módszert dolgoztak ki erre. Cikkük szerint nemcsak az emberek, de most már a gépeknek is képesek a hatékony mintafelismerésre.

A kutatók egy jelentős problémát oldanak meg, mert a csillagászati méretű adatsorok beszerzése, és betáplálása ugyanis elképesztően drága is, ami nagy mértékben hátráltatja a rendszerek hatékonyságát. A „kevesebb mint egy próbálkozás” (less than one shot) tanulásra keresztelt procedúra végső radikális javulást hozna.

A kevés adatból erős modelleket létrehozó AI rendszerek sokkal elérhetőbbé válnának kisebb cégeknek is, több iparágban. Nagy előrelépést hozhatna például a személyes adatok védelme terén, mivel feleslegessé tenné a folyamatos tömeges adatgyűjtést.