Construindo modelos confiáveis de aprendizado de máquina com dados de treinamento limitados
Os pesquisadores descobriram como construir modelos confiáveis de aprendizado de máquina que podem compreender equações complexas em situações do mundo real, usando menos dados de treinamento do que o esperado.
Pesquisadores da Universidade de Cambridge e da Universidade Cornell descobriram que para equações diferenciais parciais – uma classe de equações físicas que descrevem como as coisas no mundo natural evoluem no espaço e no tempo – os modelos de aprendizado de máquina podem produzir resultados confiáveis, mesmo quando são fornecidos com dados limitados. dados.
O estudo, ‘O aprendizado elíptico PDE é comprovadamente eficiente em termos de dados”, foi publicado no Anais da Academia Nacional de Ciências.
Os resultados podem ser úteis para a construção de modelos de aprendizado de máquina mais confiáveis e econômicos para aplicações como engenharia e modelagem climática.
Quão poucos dados são necessários para treinar modelos confiáveis de aprendizado de máquina?
A maioria dos modelos de aprendizado de máquina exige grandes quantidades de dados de treinamento antes de retornar resultados precisos. Para treinar o modelo, um ser humano geralmente anota um grande volume de dados, como um conjunto de imagens.
“Usar humanos para treinar modelos de aprendizado de máquina é eficaz, mas também é demorado e caro”, disse o primeiro autor, Dr. Nicolas Boullé, do Instituto Isaac Newton de Ciências Matemáticas.
“Estamos interessados em saber exatamente quantos dados realmente precisamos para treinar esses modelos e ainda assim obter resultados confiáveis.”
Outros pesquisadores conseguiram treinar modelos confiáveis de aprendizado de máquina com uma pequena quantidade de dados e obter excelentes resultados. No entanto, como isso foi alcançado não foi bem explicado.
A equipe projetou seus modelos de IA com equações diferenciais parciais
A equipe se concentrou em equações diferenciais parciais (PDEs).
“Os PDEs são como os blocos de construção da física: eles podem ajudar a explicar as leis físicas da natureza, como a forma como o estado estacionário é mantido em um bloco de gelo derretido”, disse Boullé, que é bolsista de pós-doutorado da Fundação INI-Simons.
“Como são modelos relativamente simples, poderemos usá-los para fazer algumas generalizações sobre por que essas técnicas de IA têm tido tanto sucesso na física.”
Por que os PDEs são úteis no projeto de modelos de IA?
A equipe descobriu que os PDEs que modelam a difusão têm uma estrutura útil para projetar modelos de IA.
“Usando um modelo simples, você poderá aplicar parte da física que já conhece no conjunto de dados de treinamento para obter melhor precisão e desempenho”, disse Boullé.
Para incorporar garantias matemáticas ao modelo, os pesquisadores construíram um algoritmo eficiente para prever as soluções de EDPs sob diferentes condições. Isso foi feito explorando as interações de curto e longo alcance que acontecem.
A partir disso, a equipe conseguiu determinar quantos dados de treinamento eram necessários para resultar em um modelo de aprendizado de máquina confiável.
“Depende da área, mas para a física descobrimos que é possível fazer muito com uma quantidade muito limitada de dados”, disse Boullé.
“É surpreendente quão poucos dados são necessários para se obter um modelo confiável. Graças à matemática destas equações, podemos explorar a sua estrutura para tornar os modelos mais eficientes.”
As técnicas ajudarão os cientistas de dados a projetar novos modelos de aprendizado de máquina
Os pesquisadores acreditam que suas técnicas permitirão que os cientistas de dados abram a “caixa preta” de muitos modelos de aprendizado de máquina e projetem novos que possam ser interpretados por humanos.
No entanto, mais pesquisas ainda são necessárias.
“Precisamos ter certeza de que os modelos estão aprendendo as coisas certas, mas o aprendizado de máquina para a física é um campo interessante – há muitas questões interessantes de matemática e física que a IA pode nos ajudar a responder”, disse Boullé.
Como Aumentar as Visitas no seu Blog
Crie Web Stories e Aumente as Visitas do seu Blog
Veja também: Conta comercial do eBay versus conta pessoal (setembro de 2023)
Como adicionar variações no Etsy em 2023
Pesquisa em Inteligência Artificial aumentará na Noruega
https://teliodelmaschio.com.br/seo-para-eventos
