Metoda ta, nazwana skonsolidowanym uczeniem się w trakcie czuwania i snu (WSCL), umożliwia modelom AI lepsze przechowywanie nowych informacji bez utraty wcześniej zdobytej wiedzy.
Sztuczna inteligencja zapamięta więcej dzięki... "spaniu"?
Tradycyjne metody szkolenia sztucznej inteligencji często prowadziły do sytuacji, w której modele uczone nowych zadań traciły zdolność do wykonywania tych, które już wcześniej znały. Na przykład algorytm nauczony rozpoznawania ptaków mógł zapomnieć, jak to robić, ucząc się identyfikacji ryb.
WSCL rozwiązuje ten problem przez wprowadzenie okresów "snu", podczas których AI przegląda zarówno nowe dane, jak i wybrane informacje z poprzednich lekcji, co przypomina ludzki proces snu, w trakcie którego mózg przetwarza i integruje nowe doświadczenia ze starszą wiedzą.
To naprawdę może przynieść efekty
Sposób działania tej metody został przetestowany na trzech istniejących modelach sztucznej inteligencji, które następnie porównano z wynikami uzyskanymi przy użyciu tradycyjnych technik szkolenia. Rezultaty były obiecujące – modele wytrenowane metodą WSCL wykazywały od 2 do 12 proc. lepszą dokładność w identyfikacji obrazów. Co więcej, zwiększyła się ich zdolność do wykorzystywania starszych danych w rozwiązywaniu nowych zadań.
To przełomowe podejście do szkolenia sztucznej inteligencji może otworzyć nowe możliwości w dziedzinie uczenia maszynowego, czyniąc AI bardziej elastyczną i zdolną do przechowywania bogatszego zestawu informacji bez ryzyka zapominania poprzednio zdobytej wiedzy.
Źródło: RMF MAXX/PAP
