• Công Nghệ

Học máy hiệu quả hơn có thể nâng cao mô hình AI

Yaopai

tại sao tiền điện tử lại tệ vào năm 2020

Vào tháng 1, Google đã tung ra một dịch vụ mới có tên là Cloud AutoML, có thể tự động hóa một số khía cạnh phức tạp của việc thiết kế phần mềm học máy. Trong khi thực hiện dự án này, các nhà nghiên cứu của công ty đôi khi cần chạy cùng lúc 800 chip đồ họa để đào tạo các thuật toán mạnh mẽ của họ.

Không giống như con người, những người có thể nhận ra tách cà phê khi nhìn thấy một hoặc hai ví dụ, mạng AI dựa trên các tế bào thần kinh mô phỏng cần phải xem hàng chục nghìn ví dụ để xác định một đối tượng. Hãy tưởng tượng bạn đang cố gắng học cách nhận biết mọi vật dụng trong môi trường của mình theo cách đó và bạn bắt đầu hiểu tại sao phần mềm AI lại đòi hỏi nhiều khả năng tính toán đến vậy.

Nếu các nhà nghiên cứu có thể thiết kế mạng nơ-ron có thể được đào tạo để thực hiện một số tác vụ chỉ bằng một số ít ví dụ, thì điều đó sẽ thay đổi toàn bộ mô hình, Charles Bergan, phó chủ tịch kỹ thuật của Qualcomm, nói với đám đông tại Đánh giá Công nghệ MIT Hội nghị của EmTech Trung Quốc vào đầu tuần này.

làm thế nào để đảo ngược thời gian trong cuộc sống thực

Câu chuyện liên quan

Bergan cho biết, nếu các mạng nơ-ron trở nên có khả năng học một lần, thì quy trình cồng kềnh đưa hàng loạt dữ liệu vào các thuật toán để huấn luyện chúng sẽ trở nên lỗi thời. Điều này có thể gây ra những hậu quả nghiêm trọng đối với ngành công nghiệp phần cứng, vì cả những gã khổng lồ công nghệ hiện tại và các công ty khởi nghiệp hiện đang tập trung vào việc phát triển các bộ vi xử lý mạnh mẽ hơn được thiết kế để chạy các thuật toán AI sử dụng nhiều dữ liệu ngày nay.

Nó cũng có nghĩa là học máy hiệu quả hơn rất nhiều. Bill Dally, nhà khoa học trưởng tại Nvidia, cho biết trong khi mạng nơ-ron có thể được đào tạo bằng cách sử dụng các tập dữ liệu nhỏ vẫn chưa thành hiện thực, nghiên cứu đã được thực hiện để làm cho các thuật toán nhỏ hơn mà không làm mất độ chính xác, Bill Dally, nhà khoa học trưởng tại Nvidia, cho biết tại hội nghị.

Các nhà nghiên cứu của Nvidia sử dụng một quy trình gọi là sơ lược mạng để làm cho mạng nơ-ron nhỏ hơn và chạy hiệu quả hơn bằng cách loại bỏ các nơ-ron không đóng góp trực tiếp vào đầu ra. Dally nói, có những cách đào tạo có thể giảm bớt sự phức tạp của việc đào tạo.