AI-nyhederForskere tester AI uden facitliste
Forskere har fundet en måde at vurdere AI's læreevne uden manuelle labels – baseret på skalaloven.
Det nye
Forskere fra blandt andet Aryan Luthras team har opdaget, at man kan teste AI-modellers evne til at lære uden at skulle give dem facitlister. De kalder det 'skalhypotesen' – at AI's evne vokser med størrelse, og at man kan måle det uden mærkede data. Det sparer tid og penge.
Sådan virker det
I stedet for at lade mennesker lave tusindvis af eksempler, bruger forskerne selve modellens læringskurve som mål. Jo stejlere kurven er, jo bedre er modellen til at lære. Det kan sammenlignes med at se, hvor hurtigt et barn lærer uden at kigge på eksamensresultater.
Hvad betyder det
For almindelige brugere betyder det, at AI kan blive bedre og billigere, fordi man ikke skal bruge enorme ressourcer på at lave manuelt arbejde. Det kan gøre AI mere tilgængelig og hurtigere at opdatere.
- Forskere fra Aryan Luthras team udviklede metoden.
- Skalhypotesen siger, at AI's læreevne vokser med størrelsen.
- Metoden kræver ingen manuelle labels.
- Læringskurven bruges som mål for evnen.
- Spare tid og penge ved træning.
- Kan gøre AI bedre og billigere.
Du får hurtigere og billigere AI-værktøjer, som kan lære nye ting uden at kræve alt det manuelle arbejde – det betyder smartere assistenter i din hverdag.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.