وحدة معالجة البيانات تجعل الشبكات العصبية أكثر ذكاءً

وحدة معالجة البيانات تجعل الشبكات العصبية أكثر ذكاءً
وحدة معالجة البيانات تجعل الشبكات العصبية أكثر ذكاءً

قام باحثو الذكاء الاصطناعي في جامعة ولاية كارولينا الشمالية بتحسين وحدة معالجة البيانات تجعل الشبكات العصبية أكثر ذكاءً.

وذلك من خلال الجمع بين تطبيع الميزات ووحدات الانتباه المميزة في وحدة واحدة يسمونها التطبيع اليقظ (AN).

تعمل الوحدة الهجينة على تحسين دقة النظام بشكل كبير، مع استخدام قوة حسابية إضافية لا تذكر.

يقول تيانفو المؤلف المقابل لورقة بحثية عن عمل وأستاذ مساعد في الهندسة الكهربائية وهندسة الحاسبات في ولاية نورث كارولاينا:

“عندما تم التعامل معهم بشكل منفصل وجدنا أن الجمع بينهما جعلهم أكثر كفاءة وفعالية.”

لاختبار وحدة AN الخاصة بهم قام الباحثون بتوصيلها بأربعة من أكثر بنى الشبكات العصبية استخدامًا :ResNets وDenseNets وMobileNetsV2 وAOGNets.

ثم اختبروا الشبكات وفقًا لمعيارين قياسيين في الصناعة.

معيار تصنيف ImageNet-1000 ومعيار الكشف عن الكائنات وتجزئة المثيل MS-COCO 2017 أن AN تحسن الأداء لجميع المباني الأربعة على كلا المعيارين.

على سبيل المثال تحسنت دقة top-1 في ImageNet-1000 بنسبة تتراوح بين 0.5٪ و 2.7٪.

وزادت دقة متوسط ​​الدقة (AP) بنسبة تصل إلى 1.8٪ للصندوق المحيط.

“ميزة أخرى لـ AN هي أنها تسهل نقل التعلم بشكل أفضل بين المجالات المختلفة”يقول Wu”.

على سبيل المثال من تصنيف الصور في ImageNet إلى اكتشاف الكائنات والتجزئة الدلالية في MS-COCO.

ويتضح ذلك من خلال تحسين الأداء في معيار MS-COCO الذي تم الحصول عليه من خلال الضبط الدقيق للشبكات العصبية العميقة.

والتي تم اختبارها مسبقًا بواسطة ImageNet في MS- COCO سير عمل مشترك في رؤية الكمبيوتر الحديثة.

“لقد أصدرنا الكود المصدري ونأمل أن يؤدي AN الخاص بنا إلى تصميم تكاملي أفضل للشبكات العصبية العميقة.”

تم تقديم ورقة “التطبيع اليقظ” في المؤتمر الأوروبي للرؤية الحاسوبية (ECCV) الذي عقد على الإنترنت في الفترة من 23 إلى 28 أغسطس.

قاعدة “التعلم المستمر” تعمل على تطوير الذكاء الاصطناعي

طور الباحثون إطارًا جديدًا للشبكات العصبية العميقة يسمح لأنظمة الذكاء الاصطناعي (AI) بتعلم المهام الجديدة بشكل أفضل مع “تجاهل” القليل مما تعلمته فيما يتعلق بالمهام السابقة.

أظهر الباحثون أيضًا أن استخدام إطار العمل لتعلم مهمة جديدة يمكن أن يجعل الذكاء الاصطناعي أفضل في أداء المهام السابقة وهي ظاهرة تسمى النقل العكسي.

يقول تيانفو الأستاذ المساعد في الهندسة الكهربائية وهندسة الكمبيوتر في ولاية نورث كارولاينا والمؤلف المشارك لورقة بحثية عن العمل: “الناس قادرون على التعلم المستمر تتعلم مهامًا جديدة طوال الوقت دون أن ننسى ما نعرفه بالفعل”.

“حتى الآن لم تكن أنظمة الذكاء الاصطناعي التي تستخدم الشبكات العصبية العميقة جيدة جدًا في هذا الأمر.”

يقول زيلاي لي مؤلف مشارك في البحث وحاصل على دكتوراه “تم تصميم أنظمة الذكاء الاصطناعي للشبكة العصبية العميقة لتعلم المهام الضيقة”.

 مرشح في ولاية نورث كارولاينا “نتيجة لذلك يمكن أن يحدث أحد الأشياء العديدة عند تعلم مهام جديدة.

 يمكن للأنظمة أن تنسى المهام القديمة عند تعلم مهام جديدة وهو ما يسمى النسيان الكارثي.

يمكن للأنظمة أن تنسى بعض الأشياء التي كانت تعرفها عن المهام القديمة بينما لا تتعلم القيام بها الجديدة أيضًا.

 أو يمكن للأنظمة إصلاح المهام القديمة في مكانها أثناء إضافة مهام جديدة مما يحد من التحسين ويؤدي بسرعة إلى نظام ذكاء اصطناعي كبير جدًا للعمل بكفاءة.

التعلم المستمر يُسمى أيضًا التعلم مدى الحياة أو التعلم للتعلم تحاول معالجة المشكلة “.

يقول زيلاي لي المؤلف المشارك للبحث والدكتوراه: “تم تصميم أنظمة الذكاء الاصطناعي الخاصة بالشبكة العصبية العميقة لتعلم المهام الضيقة”.

 يقول مرشح في ولاية كارولينا الشمالية “نتيجة لذلك يمكن أن يحدث أحد الأشياء العديدة عند تعلم مهام جديدة.

يمكن للأنظمة أن تنسى المهام القديمة عند تعلم مهام جديدة وهو ما يسمى النسيان الكارثي.

يمكن للأنظمة أن تنسى بعض الأشياء التي كانت تعرفها عن المهام القديمة بينما لا تتعلم القيام بمهام جديدة أيضًا.

أو يمكن للأنظمة إصلاح المهام القديمة أثناء إضافة مهام جديدة مما يحد من التحسين ويؤدي بسرعة إلى نظام ذكاء اصطناعي كبير جدًا للعمل بكفاءة.

يُطلق على التعلم المستمر أيضًا اسم التعلم مدى الحياة أو التعلم لتتعلم أنك تحاول معالجة مشكلة.

يمكن قراءة المزيد من الابتكارات والاختراعات المختلفة من خلال الرابط التالي: https://jordanrec.com/archives/category/innovations-and-inventions

زر الذهاب إلى الأعلى
Ads Blocker Image Powered by Code Help Pro

Ads Blocker Detected!!!

يبدو أنك تستخدم أداة لحظر الإعلانات. نحن نعتمد على الإعلانات كمصدر تمويل لموقعنا الإلكتروني.

Powered By
Best Wordpress Adblock Detecting Plugin | CHP Adblock

أنت تستخدم أداة مانع الإعلانات

نحن نحاول تقديم المحتوى الأفضل لك ، وحجب الإعلانات من قبلك لا يساعدنا على الإستمرار ، شكراً لتفهمك ، وعذراً على الإزعاج