Комп'ютерні вчені хочуть зробити роботів забути свої погані дані

Коли «погані» дані втягуються в систему машинного навчання - так Алан Грінспан висловився під час обговорення комп'ютерних моделей, які не спромоглися передбачити рецесію 2008 року - цю інформацію важко вибити. Але нова концепція, запропонована комп'ютерними вченими Junfeng Yang і Yinzhi Cao, з Колумбійського університету і університету Lehigh, відповідно, приносить ідею відривання від комп'ютерів. Оскільки Цао і Ян пишуть в анотації, опублікованій для конференції IEEE Xplore 2015 року, вам не доведеться йти назавжди, щоб забути:

Щоб забути зразок навчальних даних, наш підхід просто оновлює невелику кількість підсумків - асимптотично швидше, ніж перепідготовку з нуля. Наш підхід є загальним, оскільки форма підсумовування полягає в статистичному вивченні запитів, в якому можуть бути реалізовані багато алгоритми машинного навчання. Наш підхід також застосовується до всіх етапів машинного навчання, включаючи вибір функцій та моделювання. Наша оцінка чотирьох різноманітних систем навчання та реальних навантажень показує, що наш підхід є загальним, ефективним, швидким та простим у використанні.

Концепція машинного навчання спирається на фундамент, побудований з курганів і курганів інформації. Це може бути корисним, щоб навчити роботів або штучних інтелігентів робити певні зв'язки - наприклад, якщо людина в важкому пальто володіє сокирою, він або вона може бути пожежником. Але на цих навчальних сесіях можуть виникнути помилкові зв'язки на основі набору даних. Ваш робот може подумати, що всі пожежники мають бороди. Це, очевидно, є те, до чого потрібно комп’ютер не думайте.

Цао і Ян базують цю ідею роботизованого інформаційного роз'єднання на концепції передачі даних - ці дані не є повністю сформованими в світі, але мають простежується історію, коли обробляються вихідні дані, відзначає Kurzweil A.I.. Використання цього рядка дозволяє машинам розпізнавати вибрані частини даних, не повністю витираючи їхню освіту.