科学家找到了提高机器学习效率的方法

一般而言，机器学习和AI一天将帮助我们节省时间和资源，因为计算机控制的决策流程将变得更加高效。但是，现在的机器学习本身非常昂贵，而且非常耗时，因为为了训练算法，必须在训练中使用一个对象的数千个示例。

现在，滑铁卢大学的科学家们现在开发了一种效率更高的过程，称为“少于一次的学习”。

如果应用了一种新颖的少于一次的解决方案，则可以更加有效地训练机器学习。图片来源：GDJ通过Wikimedia

机器学习是一个复杂的过程。在机器学习的另一面，有人在教它。需要大量的数据池来教导神经网络识别某些信息。但是，这种情况即将改变。在以前的研究中，来自加拿大的科学家设法训练了一个神经网络，仅使用五个就可以对所有10位数字的手写图像进行分类。科学家很高兴通过使用精心设计的软标签示例，他们设法以每位数少于一个示例的方式来教授该算法。

现在，科学家使用“ k近邻”机器学习算法来证明，即使对于某些类别而言，没有足够的数据，该算法也有可能学会区分不同的对象。该研究的主管Matthias Schonlau表示：“一开始似乎绝对不可能的事情确实已被证明是可行的。这绝对令人惊讶，因为模型可以学习的类比您所拥有的示例要多，这是由于这个软标签所致。”

当然，科学家很高兴证明这一概念是可行的，但是现在他们将不得不在适用该原理的应用上进行研究。显然，使事情变得更加有效对所有事情都有好处，但是某些应用程序可能比其他应用程序更兼容。例如，科学家们正在考虑使用AI的物联网设备和智能手机-这种技术将从快速学习算法中受益。少于一次的学习方法将使AI算法更快，更小，更轻便且易于部署。从本质上讲，它将有助于在可以从中受益的更多应用中使用该技术。

人工智能现在非常昂贵，缓慢而沉重。为此需要强大的计算机，以及大量的时间和资源。随着AI的广泛传播，有意义的是它需要变得更加高效。这将使它的应用更容易应用于更多不同的领域。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！