ابداع روشی جدید برای افزایش سرعت در آموزش هوش مصنوعی

با توجه به توسعه روز افزون هوش مصنوعی و انجام فعالیت های پیچیده توسط آن نیاز به یک روش کارآمد تر برای آموزش مدل هوش مصنوعی است. به طوری که علاوه بر صرفه جویی در زمان باعث افزایش انرژی و قدرت محاسباتی آن شود. به گزارش سرویس اخبار فناوری و تکنولوژی تکنا، هوش مصنوعی امروزه […]

با توجه به توسعه روز افزون هوش مصنوعی و انجام فعالیت های پیچیده توسط آن نیاز به یک روش کارآمد تر برای آموزش مدل هوش مصنوعی است. به طوری که علاوه بر صرفه جویی در زمان باعث افزایش انرژی و قدرت محاسباتی آن شود.

به گزارش سرویس اخبار فناوری و تکنولوژی تکنا، هوش مصنوعی امروزه برای انجام فعالیت های پیچیده مورد استفاده قرار می گیرد. مدل های یادگیری عمیق شامل شبکه عظیمی از نورون های مصنوعی است که قادرند از طریق کدهای راهنمایی رایانه‌ای داده‌هایی را به عنوان ورودی دریافت کنند. آنها داده‌های دریافتی را به صورت تغییر یافته و خروجی عبور می دهند. در صورت تغییر این کدها در میلیون‌ها آزمایش مختلف می‌توان به مدلهای هوش مصنوعی آموزش داد.

تبلیغات :

Neuralink Marketcap

 در حالت کلی برای آموزش یک مدل هوش مصنوعی وارد کردن داده طی فرایندی تکراری انجام می گیرد. پس از آن کیفیت خروجی نشان دهنده محاسبه گرادیان است. سپس برای بهبود عملکرد هوش مصنوعی کد های رایانه ای تغییر خواهد کرد. کل این فرایند ارسال داده از یک شبکه عصبی به سوی دیگر و یا تکرار به صورت برعکس و به محل اولیه و محاسبه گرادیان است.

طراحی ربات های ناجی با فناوری چاپ سه بعدی

محققان تلاش کردند تا بتوانند با استفاده از روش جدیدی این دو مرحله را به یک مرحله کاهش دهند. به طوری که می توان در همان فرآیند اولیه حد گرادیان را را محاسبه کنند. آتلیم گونش بایدین از دانشگاه آکسفورد و همکارانش در این روش توانستند زمان آموزش برای هوش مصنوعی را از نظر تئوری به نصف کاهش دهند.