Neden yapay zeka öğretmek üzerine kendi kodunu?

Son zamanlarda bir şirket sağlayan bir makine verimli bir eğitim örneklerde küçük bir miktar ve keskinleştirmek bilgi geldikçe, yeni örnekler. Onu uygulayabilirsiniz her yerde, örneğin, öğretmek smartphone tanımak ve kullanıcı tercihlerini veya yardımcı olmak için çevrimdışı bir motor sağlar, hızlı bir şekilde tanımlamak için bir engel.

Eski bir atasözü «elinde birşey» sizin için de geçerlidir makineler. Birçok modern yapay zeka sistemi ile çalışan cihazlarda güveniyor tekrarlama öğrenme sürecinde. Algoritmaları derin öğrenme için izin cihazlara AI kaldırma bilgisi veri kümesi uygulamak ve daha sonra öğrendiklerini belirli durumlarda. Örneğin, eğer kelleni sistemi AI hakkında bilgileri, bulutlu genellikle mavi, daha sonra başlayacaktır tanımak bulutlu arasında bir görüntü.

Bu yöntemi kullanarak yapılabilir kapsamlı bir iş, ama o, tabii ki, çok arzulanan bırakır. Ama olabilirdi aynı sonuçlar, eğer atlamak için sistem derin öğrenme AI ile daha az sayıda örnek? Boston başlangıç Gamalon geliştirilen yeni bir teknolojiyi denemek için bu soruya cevap vermek, ve bu hafta tanıttı iki ürün kullanan yeni bir yaklaşım.

Gamalon tekniği kullanır bayes programlama, yazılım, sentez. Temelinde yatan matematik, 18. yüzyılda geliştirilen bir matematikçi Thomas Байесом. Байесовская olasılık için kullanılan revize tahminler dünya hakkında deneyimi kullanarak. Bu form, вероятностного programlama — zaman kodunu kullanır muhtemel değil, belirli bir değer gerektirir az sayıda örnek, bir çekilme yapmak için, örneğin, ne gökyüzü mavi lekeler ile beyaz bulutlar. Program aynı zamanda yeniler bilginizi en azından daha fazla çalışma örnekleri, kodu yeniden yazmak için rötuş olasılık.

biraz sıkıntılı bir programlama

Iken bu yeni yaklaşım, programlama için hala kendi sorunları çözmek için var için önemli bir potansiyel otomasyon tasarım makine öğrenme algoritmaları. «Biraz sıkıntılı bir programlama kolaylaştırmak için makine öğrenme, araştırmacılar ve uygulayıcıları», açıklıyor Brendan Lake, araştırmacı, New York üniversitesi, çalışan üzerinde вероятностными yöntemleri programlama 2015 yılında. «O fırsatı kendiniz dikkat çekmek için karmaşık bölgelerinde programlama».

Genel müdür, CEO ve kurucu ortağı Ben Вигода gösterdi MIT Technology Review demo uygulama için çizim, onları kullanan yeni bir yöntem. Bu benzer bir şey yayınladı Google, geçen yıl, ne öngörür, ne adam çizmek için çalışır. Daha fazla bilgi edinin . Ama aksine Google, sadece bir küçük, zaten виденные daha önce uygulama Gamalon sadece üzerinde biraz sıkıntılı bir programlama belirlemeye çalışırken anahtar özellikleri bir nesne. Bu nedenle, bile нарисуете bir şekli farklıdır, ayrıca uygulama veritabanına kadar belirlemek mümkün olacak belirli bir özellik — örneğin, bir kare, bir üçgen ile üst katta (ev) — o-ecek yapmak doğru tahminler.

İki sunulan Gamalon ürün olduğunu göstermektedir yöntemlerini bulabilirsiniz ticari uygulama zaten yakın bir zaman. Ürün Gamalon Structure kullanır bayesian yazılım sentezi için tanıma kavramlardan biri düz metin ve zaten atlar performans diğer programlar. Örneğin, aldıktan sonra açıklama tv'nin üreticisi, o-ebilmek tanımlamak, marka, ürün adı, ekran çözünürlüğü, boyutu ve diğer özellikleri. Başka bir uygulama — Gamalon Match — dağıtır ürünler ve fiyatları, envanter mağaza. Her iki durumda da, sistem hızlı bir şekilde öğrenir, tanımak için varyasyonları kısaltmalar ya da kısaltmalar.

Вигода notları diğer olası uygulamalar. Örneğin, donatmak bayes modeli, makine öğrenme, akıllı telefonlar veya dizüstü bilgisayarlar, onları paylaşmak zorunda değilsin. kişisel veri, büyük şirketlerle belirlemek için, kullanıcıların çıkarlarını; hesaplamalar olacak verimli bir şekilde yürütmek için cihazın içinde. Tek başına bir makine de öğrenebilirsiniz çevreye uyum çok daha hızlı, bu yöntemi kullanarak öğrenme.

Eğer öğretmek yapay zeka öğrenmek, kendi kendisine olmak zorunda değil, bir tasma.