به گزارش
جام جم آنلاین به نقل از ایرنا، این محققان کشف کردند که چگونه سیستمهایی که از هوش مصنوعی (AI) استفاده میکنند در عمل یاد میگیرند.
در بسیاری از سیستمهای مبتنی بر یادگیری عمیق نحوه رخ دادن روند یادگیری مشخص نیست.
اکنون محققان متوجه شدند که چگونه یک سیستم تشخیص تصاویر میتواند در مورد محیط خود بیاموزد.
آنها با متمرکز کردن سیستم بر روی اطلاعات کم اهمیتتر این سیستم یادگیری را ساده سازی کردند.
به گفته محققان دانشگاه گرونیگی، سیستم مورد نظر نوعی شبکه عصبی پیچشی (CCNs) است. شبکه عصبی پیچشی گونهای از یادگیری عمیق در هوش مصنوعی است که از زیستشناسی نشات گرفته است.
این سیستمها تشخیص تصاویر را با کمک ارتباط میان هزاران نورون میآموزند. این سیستم به گونهای عملکرد مغز را شبیهسازی میکند.
محققان در این تحقیق شبکه مصنوعی پیچشی را با استفاده از تصاویر استانداردی از هواپیماها و ماشینها آموزش دادند سپس بخشهایی را که هوش مصنوعی برای طبقهبندی تصاویر و تشخیص محیط استفاده میکرد، تار کردند.
آنها این سیستم را به استفاده از سایر بخشهای تصویر برای تشخیص مجبور ساختند و با اضافه شدن این داده ها، هوش مصنوعی قادر به طبقه بندی بهتر تصاویر شد.
محققان گفتند: این روش آموزش هوش مصنوعی سادهتر است و زمان کمتری میبرد.