NVIDIA تجد طريقة لتدريب الذكاء الاصطناعي باستخدام القليل جدًا من البيانات

طورت NVIDIA نهجًا جديدًا لتدريب شبكات الخصومة التوليدية (GAN) والتي يمكن أن تجعلها ذات يوم مناسبة لمجموعة متنوعة من المهام. قبل الدخول في عمل NVIDIA ، من المفيد معرفة القليل عن كيفية عمل شبكات GAN. تتكون كل شبكة GAN من شبكتين عصبيتين متنافستين: مولد ومميز.
في أحد المواقع التي يكون هدف الخوارزمية فيها هو إنشاء صور جديدة ، فإن هذا الأخير هو الذي يفحص آلاف الصور النموذجية. ثم تستخدم تلك البيانات "لتدريب" نظيرتها. من أجل الحصول على نتائج قابلة للتصديق باستمرار ، تحتاج شبكات GAN التقليدية في مكان ما في نطاق 50000 إلى 100000 صورة تدريبية. مع وجود عدد قليل جدًا ، فإنهم يميلون إلى مواجهة مشكلة تسمى overfitting. في تلك الحالات ، لا يمتلك أداة التمييز قاعدة كافية لتدريب المولد بشكل فعال.
في الماضي ، كانت إحدى الطرق
التي حاول بها باحثو الذكاء الاصطناعي للالتفاف على هذه المشكلة هي استخدام نهج يسمى زيادة البيانات. باستخدام خوارزمية الصورة كمثال مرة أخرى ، في الحالات التي لا يوجد فيها الكثير من المواد للعمل معها ، سيحاولون التغلب على هذه المشكلة عن طريق إنشاء نسخ "مشوهة" لما هو متاح. قد يعني التشويه ، في هذه الحالة ، اقتصاص الصورة أو تدويرها أو قلبها. الفكرة هنا هي أن الشبكة لا ترى نفس الصورة بالضبط مرتين.
تكمن مشكلة هذا النهج في أنه قد يؤدي إلى موقف تتعلم فيه GAN تقليد هذه التشوهات ، بدلاً من إنشاء شيء جديد. لا يزال نهج زيادة المميّز التكيفي الجديد (ADA) من NVIDIA يستخدم زيادة البيانات
ولكنه يفعل ذلك بشكل تكيفي. بدلاً من تشويه الصور خلال عملية التدريب بأكملها ، فهي تعمل بشكل انتقائي وكافي فقط بحيث تتجنب GAN التجهيز الزائد.
النتيجة المحتملة لنهج NVIDIA أكثر وضوحًا مما قد تعتقد. يعد تدريب الذكاء الاصطناعي على كتابة لعبة مغامرة جديدة قائمة على النص أمرًا سهلاً نظرًا لوجود الكثير من المواد التي يمكن للخوارزمية العمل معها. لا ينطبق الأمر نفسه على الكثير من المهام الأخرى التي يمكن للباحثين اللجوء إليها للحصول على مساعدة من شبكات GAN. على سبيل المثال ، يعد تدريب خوارزمية لاكتشاف اضطراب دماغي عصبي نادر أمرًا صعبًا على وجه التحديد بسبب ندرته. ومع ذلك ، يمكن لشبكة GAN المدربة باستخدام نهج ADA الخاص ب NVIDIA التغلب على هذه المشكلة. كمكافأة إضافية ، يمكن للأطباء والباحثين مشاركة نتائجهم بسهولة أكبر لأنهم يعملون من قاعدة الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي ، وليس المرضى في العالم الحقيقي. ستشارك NVIDIA المزيد من المعلومات حول نهج ADA الجديد الخاص بها في مؤتمر NeurIPS القادم ، والذي يبدأ في 6 ديسمبر.