به گزارش ایسنا و به نقل از انگجت، با وجود تمام پیشرفت‌هایی که در حوزه فناوری "هوش مصنوعی" حاصل شده است، اغلب محصولات مبتنی بر هوش مصنوعی هنوز بر "شبکه‌های عصبی عمیق" تکیه می‌کنند. اما مشکل اینجاست که معمولاً "شبکه‌های عصبی عمیق" علاوه بر بزرگ بودن، برای یادگیری بسیار هزینه‌بر هستند. در این راستا محققان دانشگاه "ام‌آی‌تی" امیدوارند که این مشکل را حل کنند.

این محققان در یک مقاله مطرح کردند که شبکه‌های عصبی دارای زیرشبکه‌هایی هستند که تا ۱۰ برابر کوچک‌تر از خود شبکه‌های عصبی هستند و می‌توانند علاوه بر ارزان‌تر بودن، برای آموزش هم مناسب باشند. زیرا یادگیری آن‌ها سریع‌تر است.

مهندسان برای آموزش بیشتر شبکه‌های عصبی، آن‌ها را با مجموعه‌ای از داده‌های بزرگ تغذیه می‌کنند که البته زمان‌بر بوده و واحد پردازش گرافیکی آن‌ها گران است.

محققان علوم رایانه‌ای دانشگاه "MIT" و "آزمایشگاه هوش مصنوعی"(CSAIL) این دانشگاه دریافتند که در داخل شبکه‌های کوچک‌تر آموزش دیده شده، زیرشبکه‌ها می‌توانند پیش‌بینی‌های دقیق‌تری ارائه دهند.

محققان این دانشگاه برای توضیح بیشتر یافته‌های خود مثالی را مطرح کرده و گفتند: آموزش زیرشبکه‌ها می‌تواند مانند خرید بلیط برنده "لاتاری" باشد.

البته مسئله اینجاست که محققان هنوز درنیافته‌اند که چطور زیرشبکه‌ها را بدون ساخت یک شبکه عصبی کامل ایجاد کنند و سپس بیت‌های غیرضروری را از آن حذف کنند.

بنابراین اگر تیم تحقیقاتی پروژه بتواند راهی برای عبور از این مرحله و طراحی مستقیم زیرشبکه‌ها پیدا کند، این فرآیند می‌تواند در انجام ساعت‌ها کار صرفه‌جویی کند.

انتهای پیام