محققان موسسه MIT می‌گویند به محدودیت‌های محاسباتی یادگیری ماشینی رسیده ایم

محققان نسبت به محدودیت های محاسباتی یادگیری عمیق هشدار دادند. آن ها معتقدند که این یادگیری عمیق به روشهای محاسباتی کارآمدتر برای توسعه نیاز دارد.

به گزارش سرویس اخبار فناوری تکنا، محققانی از دانشگاه ام‌آی‌تی، آزمایشگاه هوش مصنوعی MIT-IBM Watson  و کالج بین المللی Underwood دریافتند که یادگیری عمیق اکنون به محدودیت های محاسباتی خود نزدیک شده است و برای توسعه بیشتر نیاز است تا روشهای محاسباتی کارآمدتری مورد استفاده قرار بگیرد. در مقاله‌ای که در این زمینه منتشر شده آمده است “طراحی در یادگیری عمیق باعث گران شدن آن است همچنین اهداف پذیری و یادگیری عمیق و ساخت مدل سازی جدید در کنار مدل های دیگر قدیمی هزینه محاسبات را گران تر می کند.”

به نظر می رسد محققان پس از بررسی منابع و مقالات موجود دریافتند عملکرد یادگیری ماشینی بسیار به قدرت محاسباتی در زمینه های مختلف مانند طبقه بندی تصاویر، شناسایی اشیا، همچنین تشخیص نام و ترجمه ماشینی وابسته است. دو تحلیل مهم در الزامات محاسباتی انجام تعداد عملیات‌های نقطه شناور مورد نیاز در شبکه و توانایی محاسباتی سخت افزار مورد استفاده عنوان شده است.

همچنین محققان عنوان می‌کنند که سه سال بهبود الگوریتمی تا ۱۰ برابر با افزایش قدرت محاسباتی همراه است. اما اگر پیشرفت در این زمینه نیز با چنین سرعتی انجام گیرد الزامات محاسبات یادگیری عمیق با مشکل مواجه می‌شود.محققان می گویند پیشرفت های اساسی در یادگیری عمیق در سطح الگوریتمی به طور مداوم در حال انجام است و شتاب دهنده سخت افزاری نیز به آن اضافه می شود.