IBM Zurich ускорила тренировку ИИ, основанного на Базе Данных, больше, чем в 10 раз

Искусственный интеллект - это быстро развивающаяся и конкурентоспособная индустрия.

 Различные компании и учреждения сосредотачивают свое внимание на этой конкретной технологии. Обучение ИИ по-прежнему является довольно сложной задачей, хотя исследовательская лаборатория IBM в Цюрихе может предложить решение. Его общий блок предварительной обработки AI может ускорить алгоритмы обучения в разы.

БЫСТРАЯ ТРЕНИРОВКА AI - ЭТО ХОРОШАЯ ВЕЩЬ

Большинство потребителей боятся быстрых событий в мире искусственного интеллекта . Это довольно естественная реакция, поскольку в последние несколько месяцев мы наблюдаем удивительные прорывы в этой области. Несмотря на то, что индустрия процветает, всегда существует потребность в лучших и быстрых методах обучения. Придумывать такие решения нелегко. Благодаря IBM Zurich, серьезный прорыв может случиться совсем скоро.

Исследовательский институт обнародовал новый общий блок предварительной обработки ИИ. Основная цель этого блока - повысить скорость, с которой алгоритмы машинного обучения усваивает новую информацию. 

IBM Zurich заявляет, что их проект может ускорить процесс обучения не менее чем в десять раз. Он использует математическую двойственность для фильтрации важных частей информации в потоке данных и игнорирует все остальное. 

Существует реальный избыток информации, когда дело доходит до больших баз данных, и решение этой проблемы оказалось довольно сложным. Новый проект IBM Zurich может ознаменовать совершенно новую эру обучения машин.

По словам математика IBM Цюрих Томаса Парнелла, это первое общее решение с 10-кратным ускорением. Набор данных, основанный на линейных моделях машинного обучения, будет одним из первых, кто выиграет от этого нового решения. 10-кратное ускорение - это только минимальный порог, и конечные результаты могут быть даже лучше, чем первоначально прогнозировалось. Все зависит от того, какие данные вводятся и как был разработан алгоритм машинного обучения.

Этот процесс становится все более частым, поскольку данных обрабатывается все больше. Перед обработкой каждой точке данных присваивается «оценка важности» путем измерения размера дуальности. По мере того, как это значение падает, важность его переработки снижается, и ИИ в конечном итоге полностью игнорирует его.

Этот алгоритм уже стал многообещающим. Тем не менее, до его коммерческого использования еще предстоит сделать много изменений. На данный момент разработка будет продолжена в IBM Cloud, она известна как гетерогенное обучение на основе Duality-Gap.