Zero
C’è una valanga di ricerca la pubblicazione nel campo dell’apprendimento automatico, qualcosa di ingegnere Google Cliff Giovane ha paragonata ad una “Legge di Moore” di AI di pubblicazione, con il numero di lavori scientifici sull’argomento, che sono pubblicati su arXiv pre-server di stampa raddoppia ogni 18 mesi.
Tutto ciò che crea problemi per la revisione tra pari di lavoro, che hanno esperienza e AI ricercatori troppo pochi, possibilmente, a leggere ogni carta con cautela.
Che cosa succede se le macchine può fare il sollevamento di carichi pesanti? Dovrebbe accademici affidare la propria accettazione o il rifiuto di un’intelligenza artificiale?
Anche: Google dice che una crescita esponenziale di AI è cambiare la natura di calcolare
Ecco l’intrigante questione sollevata da un rapporto pubblicato giovedì, su arXiv, da una macchina di apprendimento ricercatore presso il Virginia Tech, Jia-Bin Huang, intitolato “Deep Carta della Gestalt.”
Huang utilizzato un convolutional rete neurale, o CNN, lo stock strumento di apprendimento automatico per il riconoscimento di immagini, di passare al setaccio oltre 5.000 articoli presentati a conferenze accademiche, risalente al 2013. Huang scrive che, solo sulla base dell’aspetto di un foglio di carta — il suo mix di testo e immagini — la sua rete neurale può selezionare una “buona” la carta, uno meritevoli di inclusione in una conferenza, con il 92% di precisione.
L’immagine grande, per i ricercatori, è che un paio di cose che contano di più nel look and feel del loro documento in termini di probabilità di essere accettata: Avere immagini a colori in prima pagina di un documento di ricerca, e facendo compilare tutte le pagine, lasciando un vuoto alla fine.
Jia-Bin Huang convolutional rete neurale digerisce migliaia di vincere e perdere pubblicazioni accademiche per creare una “mappa termica” i punti di forza e carenze. Più grandi errori di perdere documenti: non avendo una grafica colorata in prima pagina e non compilare l’ultima pagina verso il basso.
Jia-Bin Huang
Huang basi il lavoro su un 2010 di carta da Carven von Bearnensquash dell’Università di Phoenix. Che la carta utilizzata non-apprendimento profondo, tradizionali tecniche di computer vision per trovare il modo di “semplicemente scorrendo il layout generale” di un foglio di carta.
Anche: Facebook AI ricercatore esorta i compagni a uscire nel mondo reale
In questo spirito, Huang fed computer 5,618 carte in totale che era stato accettato per due top di computer vision conferenze, CVPR e ICCV, nel corso di cinque anni. Huang ha anche raccolto documenti presentati al convegno “workshop” per servire come un proxy per rifiutato carta, poiché non vi è alcun effettivo accesso allo scarto di atti di convegni.
Huang addestrati alla rete di associare la vincita e la perdita di campioni con il classificatore binario “buoni” e “cattivi”, per prendere in giro la “gestalt” di ricerca. Gestalt significa forma o la forma che è maggiore delle sue parti costituenti. È ciò che di apprendimento della macchina pioniere Terry Sejnowski ha indicato come “a livello globale organizzato percezione,” qualcosa di più significativo di quanto le colline e le valli dell’immediato del terreno.
La rete addestrata è stato poi testato contro un sottoinsieme di documenti che non mai trovato. La formazione equilibrata falsi positivi — documenti che non dovrebbero essere accettate, ma avere accettato — contro i falsi negativi, documenti che devono essere accettate, ma vengono respinti.
Anche: Andrew Ng vede un’eterna primavera AI
Limitando il numero di “buono” carte rifiutato di appena lo 0,4% — 4 fogli in totale — la rete è stata in grado di accuratamente rifiutare la metà del “cattivo” di carta che deve essere respinto.
L’autore è stato anche abbastanza buono per presentare la carta al proprio network. Il risultato? Errore: “Si applicano i formati di classificazione di questa carta. La nostra rete spietatamente predice con alta probabilità (oltre il 97%) che questa carta deve essere respinto, senza peer review”.
Deve leggere
‘IA è molto, molto stupido”, dice Google AI leader (CNET)Baidu crea Kunlun di silicio per AIUnified Google IA divisione di un chiaro segnale di AI del futuro (TechRepublic)
Per quanto concerne i cosmetici requisiti: — bella immagini colorate up-front — Huang non solo di descrivere i risultati. Il ricercatore offre anche un pezzo di codice che consente di creare buone carte, visivamente almeno. Si nutre di buone relazioni nel database di formazione in “generativa contraddittorio rete”, o GAN, che può creare nuovi obiettivi di apprendimento da esempi.
Huang offre anche una terza componente, che “traduce” in mancanza di carta in forma di successo, da “automaticamente suggerendo diversi cambiamenti per l’ingresso di carta” come “aggiunta il teaser figura, l’aggiunta di figure all’ultima pagina.”
Huang suggerisce che il controllo documenti in questo modo può essere un “pre-filtro”, in grado di alleviare il carico di lavoro di umana revisori, come si può fare un primo passaggio attraverso migliaia di documenti in pochi secondi. Ancora, “è improbabile che la classificazione potrà mai essere utilizzato in un vero e proprio convegno,” l’autore concede.
Uno dei limiti del lavoro che possono ostacolare il suo utilizzo è che, anche se l’aspetto di una carta, la sua visiva gestalt, è in correlazione con i risultati storici, che non significa necessariamente che tale correlazione è trovare il profondo valore delle carte.
Come Huang scrive, “Ignorando la carta effettivo contenuto potrebbe erroneamente rifiutare carta con buoni materiali, ma problemi di layout visivo o accettare carte di merda con un buon layout.”
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Argomenti Correlati:
Sviluppatore
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0