افزایش ۲ برابری سرعت آموزش هوش مصنوعی با روش جدید
اسمارت کاور: هوش مصنوعی روز به روز درحال رشد و توسعه است و توانایی های آن برای انجام کارهای پیچیده بطور فزاینده ای افزایش می یابد اما انجام چنین کارهایی 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 اسمارت کاور به نقل از ایسنا و به نقل از نیوساینتیست، مدل های یادگیری عمیق بطور معمول از شبکه ی عظیمی از نورون های مصنوعی تولید شده اند. این نورون ها به وسیله ی کدهای کامپیوتری که یک ورودی را دریافت می کنند و آنرا بصورت 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 می توان مدلهای هوش مصنوعی را آموزش داد تا کارهایی مثل تشخیص یک فرد در تصویر و دیجیتالی کردن متن از روی تصویر را به انجام برسانند.
پژوهشگران 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 میدهد چگونه کدهای کامپیوتری باید برای بهبود عملکرد هوش مصنوعی تغییر کنند.
این پروسه شامل انتقال داده از یک سوی شبکه ی عصبی به سمت دیگر و سپس تکرار آن بصورت برعکس و بازگرداندن آن به محل اولیه برای محاسبه گرادیان است.
حالا آتلیم گونش بایدین(Atılım Güneş Baydin) در دانشگاه آکسفورد و همکارانش این پروسه دو مرحله ای را به یک مرحله کاهش داده اند، بطوریکه حد گرادیان به دست آمده به اندازه کافی موثر است و بنا بر این 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: smartcover.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب