اخیرا شش محقق گروه یادگیری ماشین شرکت Apple، مقالهای را منتشر کردند که روش جدید تکنیک یادگیری شبیهسازی شده بدون نظارت را توصیف میکند. هدف، بهبود کیفیت دادههای تصاویر آموزشی مصنوعی است. این عملیات نشانهای از آرمان شرکت مذکور به منظور تبدیل به یک رهبر برجسته در رشد عرصهی AI میباشد. Google ،Facebook ،Microsoft و بقیه شرکتهای فناوری به طور پیوسته در حال توسعهی گروههای تحقیقاتی یادگیری ماشین خود برآمدهاند. در نشریات گوناگون آمده، پیشینهی علمی این شرکتها به خوبی مستند شده اما Apple سر سختانه جادویش را برای خود نگه داشته است.
اوایل ماه جاری مدیرعامل بخش تحقیقات AI شرکت Apple، آقای Russ Salakhutdinov اعلام کرد، به زودی تحقیقات خود را منتشر خواهد کرد. اولین تلاش تیم مذکور، به موقع و عملی است.
در سالهای اخیر، تصاویر و فیلمهای مصنوعی با تناوب بیشتر برای آموزش مدلهای یادگیری ماشین استفاده شده است. در حقیقت به جای صرف هزینه و زمان در ایجاد تصاویر ویژه در دنیای واقعی، تولید تصاویر مصنوعی، کم هزینهتر و در دسترستر و قابل تنظیم است. اما رویکرد تصاویر مصنوعی ممکن است مشکلساز باشد، چراکه در بعضی موارد تصاویر ارائه شده به هوش مصنوعی ممکن است در مقایسه با صحنههای واقعی تفاوتهایی داشته باشند. این نقصهای کوچک در مواد آموزشی مصنوعی میتواند پیامدهای منفی و جدی برای محصول نهایی به همراه داشته باشد.
برای بهبود آموزش از طریق دادههای تصاویر مصنوعی، پژوهشگران Apple پیشنهاد کردهاند از تکنیک یادگیری شبیهسازی شده بدون نظارت استفاده شود. جایی که واقعگرایانه بودن تصاویر شبیهسازی شده از انعطافپذیری بیشتری برخوردار خواهد بود. پژوهشگران Apple از نسخهی ویرایش شدهی تکنیک یادگیری ماشین، موسوم به Generative Adversarial Networks در این ارتباط استفاده کردهاند. در این تکنیک دو شبکهی عصبی در کنار یکدیگر قرار گرفته و به منظور تولید تصاویر واقعی مورد استفاده قرار میگیرند.
اوایل ماه جاری مدیرعامل بخش تحقیقات AI شرکت Apple، آقای Russ Salakhutdinov اعلام کرد، به زودی تحقیقات خود را منتشر خواهد کرد. اولین تلاش تیم مذکور، به موقع و عملی است.
در سالهای اخیر، تصاویر و فیلمهای مصنوعی با تناوب بیشتر برای آموزش مدلهای یادگیری ماشین استفاده شده است. در حقیقت به جای صرف هزینه و زمان در ایجاد تصاویر ویژه در دنیای واقعی، تولید تصاویر مصنوعی، کم هزینهتر و در دسترستر و قابل تنظیم است. اما رویکرد تصاویر مصنوعی ممکن است مشکلساز باشد، چراکه در بعضی موارد تصاویر ارائه شده به هوش مصنوعی ممکن است در مقایسه با صحنههای واقعی تفاوتهایی داشته باشند. این نقصهای کوچک در مواد آموزشی مصنوعی میتواند پیامدهای منفی و جدی برای محصول نهایی به همراه داشته باشد.
برای بهبود آموزش از طریق دادههای تصاویر مصنوعی، پژوهشگران Apple پیشنهاد کردهاند از تکنیک یادگیری شبیهسازی شده بدون نظارت استفاده شود. جایی که واقعگرایانه بودن تصاویر شبیهسازی شده از انعطافپذیری بیشتری برخوردار خواهد بود. پژوهشگران Apple از نسخهی ویرایش شدهی تکنیک یادگیری ماشین، موسوم به Generative Adversarial Networks در این ارتباط استفاده کردهاند. در این تکنیک دو شبکهی عصبی در کنار یکدیگر قرار گرفته و به منظور تولید تصاویر واقعی مورد استفاده قرار میگیرند.