Penyelidik dari Universiti Bar-Ilan di Israel telah membuat kemajuan dalam pembelajaran mendalam dengan memilih laluan keseluruhan yang paling cekap kepada output. Pendekatan ini telah membawa kepada model kecerdasan buatan (AI) yang lebih berkesan tanpa memerlukan lapisan tambahan.
Pembelajaran Dalam (DL) melibatkan penggunaan satu siri lapisan untuk melaksanakan tugas pengelasan. Secara tradisinya, keputusan tempatan dibuat secara progresif di sepanjang lapisan ini. Walau bagaimanapun, para penyelidik mencadangkan bahawa membuat keputusan menyeluruh dengan memilih jalan yang paling berpengaruh kepada output boleh membawa kepada hasil yang lebih baik.
Dalam kajian yang diterbitkan dalam Laporan Saintifik, para penyelidik dari Universiti Bar-Ilan menerangkan kaedah mereka mengemas kini laluan paling berpengaruh dalam seni bina dalam yang sedia ada. Dengan melatih laluan paling penting kepada output, mereka dapat meningkatkan prestasi model pembelajaran mendalam.
Untuk menjelaskan konsep itu, Prof. Ido Kanter, dari Jabatan Fizik Bar-Ilan dan Pusat Penyelidikan Otak Pelbagai Bidang Gonda, menggunakan analogi mendaki gunung. Seorang kanak-kanak memilih laluan tempatan terpantas di setiap persimpangan, manakala seorang lagi menggunakan teropong untuk melihat keseluruhan laluan di hadapan dan memilih laluan terpendek dan paling ketara. Anak kedua, seperti Peta Google atau Waze, akhirnya menjadi yang teratas.
Para penyelidik percaya bahawa penemuan mereka boleh membuka jalan untuk pembelajaran AI yang dipertingkatkan. Dengan memilih laluan paling penting untuk mencapai hasil yang diinginkan, model AI boleh dipertingkatkan tanpa memerlukan lapisan tambahan.
Penyelidikan ini menunjukkan usaha untuk merapatkan jurang antara biologi dan pembelajaran mesin. Prof. Kanter dan pasukannya berhasrat untuk mencipta sistem AI yang dipertingkatkan dan maju dengan menarik inspirasi daripada proses biologi dan menerapkannya pada algoritma pembelajaran mesin. Pendekatan ini bertujuan untuk meningkatkan seni bina sedia ada dan menambah baik tugas klasifikasi tanpa memerlukan struktur lapisan yang kompleks.
Secara keseluruhannya, kajian ini menyerlahkan potensi untuk meningkatkan pembelajaran mendalam dengan memilih laluan keseluruhan yang paling cekap kepada output. Pendekatan ini menunjukkan janji dalam meningkatkan model AI dan keupayaan mereka untuk menjalankan tugas klasifikasi dengan berkesan.
rujukan:
– “Meningkatkan ketepatan dengan melaksanakan keputusan pengumpulan bersebelahan lapisan keluaran,” Laporan Saintifik, DOI: 10.1038/s41598-023-40566-y.