Ученые усовершенствовали алгоритм распознавания объектов

Машинное обучение, лежащее в основе большинства коммерческих систем искусственного интеллекта, является в значительной мере вероятностным.

Алгоритм распознавания объектов, обрабатывающий запрос по классификации специфического изображения, например, может сделать вывод, что с вероятностью 60% на фото изображена собака, но на 30% — кошка.

В ходе ежегодной конференции по системам обработки нейронной информации исследователи из Массачусетского технологического института представили новое направление развития машинного обучения, которое позволяет семантически связанным концептам усиливать друг друга. Так, например, алгоритм распознавания объектов можно было бы научить взвешивать совпадение классификаций «собака» и „чихуахуа“ в большей степени, чем „собака“ и „кошка“.

В ходе экспериментов исследователи установили, что алгоритм машинного обучения, использующий новую учебную стратегию, лучше предсказывает метки, которыми пользователи размечают изображения на фотохостинге Flickr, чем когда алгоритм задействует обычную учебную стратегию.

«Когда дело приходится иметь со множеством возможных категорий, обычно в ходе изучения модели каждой из них используются лишь данные, связанные с этой категорией», заявил аспирант Чи Юан Чжан, один из ведущих авторов статьи. „Все остальные категории рассматриваются с одинаково малой степенью вероятности. А поскольку между категориями есть общие семантические характеристики, мы разработали метод использования этого семантического подобия для сортировки заимствованных из близких категорий данных, чтобы обучить модель“.