تصاویر تار به یادگیری بهتر هوش مصنوعی کمک می نماید
کوتاه کننده لینک: دانشمندان هلندی و اسپانیایی در حوزه کامپیوتر، راهی برای آموزش بهتر و سریع تر سیستم هایی که با هوش مصنوعی کار می کنند، یافتند.
به گزارش کوتاه کننده لینک به نقل از ایسنا و به نقل از اینوویشن اوریجینز، در خیلی از سیستم های مبتنی بر "یادگیری عمیق" نحوه ی رخ دادن روند یادگیری مشخص نمی باشد. حالا محققان دریافتند که چگونه یک سیستم تشخیص تصاویر می تواند در مورد محیط خود بیاموزد. محققان با متمرکز کردن سیستم بر روی اطلاعات کم اهمیت تر این سیستم یادگیری را ساده سازی کردند.
به نقل از دانشگاه گرونیگن(Groningen)، سیستم مورد نظر نوعی شبکه ی عصبی پیچشی(CCNs) است.
شبکه عصبی پیچشی گونه ای از یادگیری عمیق در هوش مصنوعی است که از زیست شناسی نشات گرفته است. این سیستم ها تشخیص تصاویر را به لطف ارتباط میان هزاران "نورون" می آموزند. این سیستم بگونه ای عملکرد مغز را شبیه سازی می کند. به نقل از استفانیا تالاورا مارتینز(Estefania Talavera Martinez)، محقق دانشگاه گرونینگن، نحوه ی کار این شبکه ی عصبی تابحال نامشخص بود.
او از این سیستم جهت بررسی رفتار انسان و تحلیل تصاویری که توسط دوربین دستی گرفته شده بود بهره برده و به این وسیله تحقیقات خود در مورد نحوه ی واکنش افراد به غذا را انجام داده است. وی همینطور می خواست این سیستم هوش مصنوعی موقعیت های مختلفی که افراد در آن در تماس با غذا قرار می گیرند را تشخیص دهد. مارتینز می گوید: در این فرآیند من متوجه بروز اشکالاتی در تشخیص محیط تصاویر توسط این سیستم شدم و می خواستم علت بروز این خطاها را بدانم.
او به بررسی بخش هایی از تصویر که توسط شبکه عصبی پیچشی برای تشخیص موقعیت استفاده می شد پرداخت و به این نظریه رسید که این سیستم ها از جزئیات کافی در تصویر استفاده نمی کنند. او توضیح می دهد: برای مثال اگر سیستم هوش مصنوعی یک لیوان را با محیط آشپزخانه مرتبط بداند ازاین رو در دسته بندی اتاق نشیمن و دفتر کار که در آنها هم از لیوان استفاده می شود، گرفتار مشکل خواهد شد.
برای حل این مشکل مارتینز و همکارش دیوید مورالز(David Morales) و بیتریز رمسیرو(Beatriz Remeseiro) تصمیم گرفتند توجه هوش مصنوعی را از اهداف اصلی خود منحرف کنند.
آنها شبکه ی مصنوعی پیچشی را با استفاده از تصاویر استانداردی از هواپیماها و ماشین ها آموزش دادند. سپس بخش هایی که هوش مصنوعی برای طبقه بندی تصاویر و تشخیص محیط استفاده می کرد را تار کردند. آنها این سیستم را به استفاده از سایر بخش های تصویر برای تشخیص مجبور کردند و با اضافه شدن این داده ها، هوش مصنوعی قادر به طبقه بندی بهتر تصاویر شد. به نقل از محققان این روش آموزش هوش مصنوعی ساده تر است و زمان کمتری می برد.
منبع: كوتاه كننده لینك
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب