تصاویر تار به یادگیری بهتر هوش مصنوعی کمک می کند

دانشمندان هلندی و اسپانیایی در حوزه رایانه، راهی برای آموزش بهتر و سریع تر سیستم هایی که با هوش مصنوعی کار می کنند، یافتند.

- دانشمندان هلندی و اسپانیایی در حوزه رایانه، راهی برای آموزش بهتر و سریع تر سیستم هایی که با هوش مصنوعی کار می کنند، یافتند.

به گزارش سایت قطره و به نقل ازایسنا و به نقل از اینوویشن اوریجینز، در بسیاری از سیستم های مبتنی بر یادگیری عمیق نحوه ی رخ دادن روند یادگیری مشخص نیست.

اکنون محققان دریافتند که چگونه یک سیستم تشخیص تصاویر می تواند در مورد محیط خود بیاموزد.

محققان با متمرکز کردن سیستم بر روی اطلاعات کم اهمیت تر این سیستم یادگیری را ساده سازی کردند.

به گفته ی دانشگاه گرونیگن(Groningen)، سیستم مورد نظر نوعی شبکه ی عصبی پیچشی(CCNs) است.

شبکه عصبی پیچشی گونه ای از یادگیری عمیق در هوش مصنوعی است که از زیست شناسی نشات گرفته است.

این سیستم ها تشخیص تصاویر را به لطف ارتباط میان هزاران نورون می آموزند.

این سیستم به گونه ای عملکرد مغز را شبیه سازی می کند.

به گفته ی استفانیا تالاورا مارتینز(Estefania Talavera Martinez)، محقق دانشگاه گرونینگن، نحوه ی کار این شبکه ی عصبی تاکنون نامشخص بود.

او از این سیستم برای بررسی رفتار انسان و تحلیل تصاویری که توسط دوربین دستی گرفته شده بود استفاده کرده و به این وسیله تحقیقات خود در مورد نحوه ی واکنش افراد به