Mẹo nhỏ: Để tìm kiếm chính xác các bài viết có nội dung hữu ích dành cho độc giả, hãy search trên Google với cú pháp: "Từ khóa" + "thaoyenblog". (Ví dụ: thiệp tân linh mục thaoyenblog). Tìm kiếm ngay
10 lượt xem

những kỹ thuật tự động có thể giúp phát triển AI đơn giản hơn -THAOYEN

những kỹ thuật tự động có thể giúp phát triển AI đơn giản hơn

Bahrami nói: “BERT mất nhiều tháng tính toán và rất tốn kém – ví dụ như một triệu đô la để tiết ra mô hình đó và lặp lại những quy trình đó. “Vì vậy, nếu tất cả mọi người đều muốn làm điều tương tự, thì nó sẽ bị đắt – nó ko tiết kiệm ngân sách và chi phí năng lượng, ko tốt cho thế giới.”

Mặc dù lĩnh vực này cho thấy nhiều hứa hẹn, những nhà phân tích vẫn đang tìm kiếm những cách để làm cho những kỹ thuật autoML hiệu quả hơn về mặt tính toán. Ví dụ: những phương pháp như tìm kiếm kiến ​​trúc thần kinh trung ương hiện đang xây dựng và thử nghiệm nhiều mô hình không giống nhau để tìm ra sự thích ứng nhất và năng lượng cần thiết để thực hiện tất cả những lần lặp đó có thể rất đáng quan tâm.

những kỹ thuật AutoML cũng có thể được vận dụng cho những thuật toán học máy ko liên quan đến mạng nơ-ron, như tạo những vùng đồi núi quyết định ngẫu nhiên hoặc những máy vectơ tư vấn để phân loại dữ liệu. phân tích trong những lĩnh vực đó đang được tiến hành nhiều hơn, với nhiều thư viện mã hóa sẽ đã làm được trước cho những người muốn tích hợp những kỹ thuật autoML vào những dự án của họ.

Bước tiếp theo là tận dụng autoML để định lượng độ ko cứng cáp rằng và giải quyết những câu hỏi về độ tin cậy và công bằng trong những thuật toán, Hutter, một nhà tổ chức hội nghị cho biết. Theo tầm nhìn đó, những tiêu chuẩn xung quanh độ tin cậy và công bằng sẽ giống với ngẫu nhiên ràng buộc nào khác của máy học, ví dụ như độ chính xác. Và autoML có thể bắt bắt và tự động sửa chữa những sai lệch được tìm thấy trong những thuật toán đó trước lúc chúng được phát hành.

Cuộc tìm kiếm vẫn tiếp tục

tuy nhiên đối với những thứ như học sâu, autoML vẫn tồn tại một chặng đường kính trắng dài phía trước. Dữ liệu được tận dụng để đào tạo những mô hình học sâu, như hình ảnh, tài liệu và bài phát biểu được ghi lại, thường dày đặc và phức tạp. Cần có sức mạnh tính toán to lớn để xử lý. tiền bạc và thời gian cho việc đào tạo những mô hình này còn có thể bị cấm đối với ngẫu nhiên ai khác ngoài những nhà phân tích sinh sống tại những công ty tư nhân có túi tiền sâu.

một trong những những cuộc thi tại hội nghị sẽ yêu cầu những người tham gia phát triển những thuật toán thay thế tiết kiệm ngân sách và chi phí năng lượng để tìm kiếm kiến ​​trúc thần kinh trung ương. này là một thử thách đáng quan tâm bởi vì kỹ thuật này còn có những đòi hỏi tính toán khét tiếng. Nó tự động xoay vòng qua vô số mô hình học sâu để giúp những nhà phân tích chọn mô hình thích ứng cho ứng dụng của họ, tuy nhiên quá trình này còn có thể mất hàng tháng và tiêu tốn hơn một triệu đô la.

Mục tiêu của những thuật toán thay thế này, được gọi là proxy tìm kiếm kiến ​​trúc thần kinh trung ương ko tốn phí, là làm làm việc cho tìm kiếm kiến ​​trúc thần kinh trung ương dễ tiếp cận hơn và thân thiện với môi trường bằng cách giảm bớt đáng quan tâm thị hiếu tính toán của nó. thành tựu chỉ mất vài giây để chạy, thay vì hàng tháng. những kỹ thuật này vẫn đang trong mức độ phát triển bước đầu và thường ko đáng tin cậy, tuy nhiên những nhà phân tích học máy dự đoán rằng chúng có tiềm năng làm cho quá trình lựa chọn mô hình hiệu quả hơn nhiều.

Thảo Yến Blog CỘNG ĐỒNG VÀ CHIA SẺ ĐÁNH GIÁ, bạn là người yêu thích nội dung bài viết này. Hãy tặng cho chúng tôi xin 1 lượt Like, Share nhé. Xin cảm ơn Thảo Yến Blog chuyên RIVIU, Chia sẻ, Đánh giá, chọn lọc địa điểm, dịch vụ, công ty uy tín và chất lượng. Đặt quảng cáo tại đây zalo chính thức.

Bài viết cùng chủ đề:

Bài viết mới cập nhật:

Trả lời

Email của bạn sẽ không được hiển thị công khai.