افزایش 2 برابری سرعت آموزش هوش مصنوعی با روش جدید
هوش مصنوعی روز به روز درحال رشد و توسعه است و توانایی های آن برای انجام فعالیتهای پیچیده به صورت فزاینده ای افزایش می یابد اما انجام چنین فعالیتهایی نیازمند قدرت محاسبه ای گسترده ای است. روشی کارآمدتر می تواند به صرفه جویی در زمان، انرژی و قدرت محاسباتی که برای آموزش یک مدل هوش مصنوعی نیاز است، کمک نماید.
به گزارش شاه بلاگ به نقل از ایسنا و به نقل از نیوساینتیست، مدل های یادگیری عمیق به صورت معمول از شبکه ی عظیمی از نورون های مصنوعی ساخته شده اند. این نورون ها به وسیله ی کدهای کامپیوتری که یک ورودی را دریافت می کنند و آنرا به صورت یک خروجی تغییریافته عبور می دهد، کار می کنند. این کدهای کامپیوتری سیناپس های واقعی نورون ها را شبیه سازی می کنند.
با دستکاری این کدها در هزاران یا میلیونها آزمایش میتوان مدلهای هوش مصنوعی را آموزش داد تا فعالیتهایی مثل تشخیص یک فرد در تصویر و دیجیتالی کردن متن از روی تصویر را به انجام برسانند.
محققان برای آموزش یک مدل، فرآیندی تکرار شونده انجام می دهند که شامل وارد کردن داده، بررسی کیفیت خروجی و سپس محاسبه یک گرادیان است که نشان داده است چگونه کدهای کامپیوتری باید برای بهبود عملکرد هوش مصنوعی تغییر کنند.
این فرایند شامل انتقال داده از یک سوی شبکه ی عصبی به سمت دیگر و سپس تکرار آن به صورت برعکس و بازگرداندن آن به محل اولیه برای محاسبه گرادیان است.
حالا آتلیم گونش بایدین(Atılım Güneş Baydin) در دانشگاه آکسفورد و همکارانش این فرایند دو مرحله ای را به یک مرحله کاهش داده اند، به صورتی که حد گرادیان به دست آمده به اندازه کافی موثر است و بنابراین نیازی به مرحله ی دوم نیست.
از نظر نظریه انجام این کار می تواند زمان لازم برای آموزش یک هوش مصنوعی را به نصف کم کند.
منبع: شاه بلاگ
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب