Нейросети будут работать не быстро, а точно

Собака, свинья или буханка хлеба?

😢 Проблема: модели машинного обучения могут выдавать неточные прогнозы, когда полагаются на простые характеристики набора данных, а не на их истинную природу. Это быстрее, но менее надёжно. Например, модель может научиться распознавать изображение коровы по зелёной траве на фотографии, а не по сложным формам и узорам самой коровы.

Если нейронка таким образом определяет заболевания по медицинским снимкам, она может поставить неверный диагноз.

😎 Решение: заставлять модель фокусироваться на большем количестве данных при обучении. Более простые свойства удаляют, заставляя модель фокусироваться на сложных характеристиках, которые не были учтены при быстрой обработке.

Метод основан на неявном изменении функции и не полагается на человеческий вклад в обучение модели.

С такими машинами Митчеллы бы не справились.

👤 Кто: исследователи Массачусетского технологического института и Питтсбургского университета, США.

Источники: news.mit.edu и arxiv.org

Получите ИТ-профессию
В «Яндекс Практикуме» можно стать разработчиком, тестировщиком, аналитиком и менеджером цифровых продуктов. Первая часть обучения всегда бесплатная, чтобы попробовать и найти то, что вам по душе. Дальше — программы трудоустройства.
Начать карьеру в ИТ
Получите ИТ-профессию Получите ИТ-профессию Получите ИТ-профессию Получите ИТ-профессию
Еще по теме