Google Pixel 5?
Google'il on teatas mitme andmekogumi olemasolust mis koosneb erinevatest, kuid piiratud looduslikest piltidest. Otsinguhiiglane on kindel, et avalikult kättesaadavad andmed muudavad selle tempot Masinõpe ja tehisintellekt vähendades samal ajal tehisintellekti mudelite minimaalse andmehulga koolitamiseks kuluvat aega. Google nimetab uut algatust vabaks metaandmekogumiks, mis aitab tehisintellekti mudelitel vähemate andmete abil õppida. Ettevõtte ‘Few-Shot AI’ on optimeeritud tagamaks, et tehisintellekt õpiks uusi klasse vaid mõne esindusliku pildi järgi.
Mõistes tehisintellekti ja masinõppe mudelite kiirema koolitamise vajadust vähemate andmekogumitega, on Google käivitanud väikese kogumi pilte Meta-Dataset, mis peaks aitama vähendada algoritmide täpsuse parandamiseks vajalike andmete hulka. Ettevõte väidab, et väheste kaadritega piltide klassifitseerimise tehnikate abil saavad AI ja ML mudelid samu teadmisi palju vähemate esinduslike piltide põhjal.
Google AI kuulutab välja metaandmete kogumi: väheste kaadrite õppimise andmekogumite andmekogum:
Tehisintellekti ja masinõppe sügav õppimine on juba mõnda aega plahvatuslikult kasvanud. Põhinõue on siiski kvaliteetsete andmete kättesaadavus ja seda liiga suures koguses. Suure hulga käsitsi kommenteeritud koolitusandmete hankimine on sageli keeruline ja võib mõnikord olla ka ebausaldusväärne. Mõistes suurte andmekogumite riske, on Google teatanud metaandmekogumite kogu kättesaadavusest.
Läbi ' Meta-andmekogum: Andmekogumite andmekogum, et õppida õppima vähestest näidetest ”(Esitletud aadressil ICLR 2020 ) On Google pakkunud välja laiaulatusliku ja mitmekesise võrdlusaluse erinevate piltide klassifitseerimise mudelite pädevuse mõõtmiseks realistlikus ja väljakutsuvas mõnekaamalises olekus, pakkudes raamistikku, milles saab uurida mitme võtte klassifitseerimise mitmeid olulisi aspekte. Sisuliselt pakub Google 10 avalikult kättesaadavat ja tasuta kasutatavat looduskujutiste andmestikku. Need andmekogumid koosnevad ImageNetist, CUB-200-2011, seentest, käsitsi kirjutatud tähemärkidest ja doodlitest. Kood on avalik ja sisaldab a märkmik mis näitab, kuidas metaandmekogumit saab kasutada TensorFlow ja PyTorch .
Väheste laskude klassifikatsioon ületab standardsed koolitus- ja süvaõppemudelid . See võtab testi ajal üldistamise uutele klassidele. Teisisõnu, testimisel kasutatud pilte koolitusel ei nähtud. Mõne löögi klassifikatsioonis sisaldab treeningkomplekt klasse, mis on täiesti erinevad testide ajal ilmuvatest klassidest. Iga testiülesanne sisaldab a tugikomplekt mõnest sildistatud pildist, millest mudel saab õppida uute klasside ja lahknemise kohta päringukomplekt näited, mida seejärel mudelis palutakse klassifitseerida.
Meta-andmekogum on suur komponent, milles mudel uurib üldistamist täiesti uutele andmekogumitele , millest koolitusel ühegi klassi pilte ei nähtud. See on lisaks raskele üldistavale väljakutsele uutele klassidele, mis on omane väheste kaadrite õppimise seadistusele.
Kuidas aitab metaandmekogum tehisintellekti ja masinõppe mudelite süvendatud õppimist?
Meta-andmekogum on senise suurima mõõtmetega organiseeritud võrdlusandmestik ristandmekogumi, väheste kaadritega piltide klassifikatsiooni jaoks. Samuti tutvustatakse selles valimialgoritmi erineva iseloomuga ja raskustega ülesannete genereerimiseks, muutes iga ülesande klasside arvu, klassis saadaolevate näidete arvu, tutvustades klasside tasakaalustamatust ja mõnede andmekogumite puhul muutes iga ülesande klassid.
Meta-andmekogum esitab mõne lasu klassifikatsiooni jaoks uusi väljakutseid. Google'i uuringud on endiselt esialgsed ja neid on palju käsitleda. Otsigigant on aga väitnud, et teadlased kogevad edu. Mõned tähelepanuväärsed näited hõlmavad nutikalt kujundatud kasutamist ülesanne konditsioneerimine , keerukam hüperparameetri häälestamine , meta-baasjoon ’, Mis ühendab eel- ja metaõppe ning lõpuks kasutamise eelised funktsioonide valik spetsialiseeruda iga ülesande universaalsele esindatusele.
Sildid google
