Лента TH Новости Искусственный интеллект


Ученые сокращают вычисления для глубокого обучения

∴ 165

Ученые Университета Райса адаптировали широко используемый метод быстрого поиска данных, чтобы сократить объем вычислений — и, следовательно, энергию и время, необходимые для глубокого обучения. Это позволило в разы ускорить любую форму машинного обучения.

349

Исследование будет представлено в августе, на конференции KDD 2017 в Галифаксе, Новая Шотландия. Оно исследует одну из самых больших проблем, стоящих перед такими гигантами технологий, как Google, Facebook и Microsoft, поскольку они участвуют в создании, обучении и развертывании огромных сетей глубинного обучения для растущего количества продуктов. В список входят беспилотные автомобили, переводчики языка, умные ассистенты.

Это относится к любой глубокой обучающей архитектуре, и техника масштабируется сублинеально, а это означает, что чем больше глубокая нейронная сеть, к которой это применяется, тем больше будет сбережений в вычислениях.Ведущий исследователь Аншумали Шривастава, ассистент профессора информатики университета Райс.

Исследователи показали, что методы «хеширования», метод проверки достоверности данных, могут быть адаптированы для значительного сокращения вычислительных затрат для глубокого обучения. Хеширование подразумевает использование интеллектуальных хеш-функций, которые преобразуют данные в управляемые небольшие числа, называемые хэшами. Хеши хранятся в таблицах, которые очень похожи на индексацию в печатной книге.

Особенность заключается в том, что принципы машинного обучения были разработаны 50-30 лет назад, и существенно не изменились. Ученые продолжают работать над улучшением качества нейронных сетей и обеспечением быстрой и верной работы агентов искусственного интеллекта.

Филипп Дончев