Para peneliti di Fujitsu dan MIT Center for Brains, Minds and Machines (CBMM) telah mencapai “tonggak utama” dalam pencarian untuk meningkatkan akurasi model AI bertugas dengan pengenalan gambar.
Seperti yang dijelaskan dalam makalah baru dipresentasikan di NeurIPS 2021 , kolaborator telah mengembangkan metode komputasi yang mencerminkan otak manusia untuk mengaktifkan AI yang dapat mengenali informasi yang tidak ada dalam data pelatihannya (juga disebut data di luar distribusi, atau GANJIL).
Meskipun AI sudah digunakan untuk pengenalan gambar dalam berbagai konteks (misalnya analisis x-ray medis), kinerja model saat ini sangat peka terhadap lingkungan. Pentingnya AI yang mampu mengenali ODD adalah bahwa akurasi dipertahankan dalam kondisi yang tidak sempurna – misalnya, ketika perspektif atau tingkat cahaya berbeda dari gambar tempat model dilatih.
Meningkatkan akurasi AI
MIT dan Fujitsu mencapai prestasi ini dengan membagi dalam jaringan saraf (DNN) menjadi modul, yang masing-masing bertanggung jawab untuk mengenali atribut yang berbeda, seperti bentuk atau warna, yang mirip dengan cara otak manusia memproses informasi visual.Menurut pengujian terhadap benchmark CLEVR-CoGenT, model AI yang menggunakan teknik ini adalah yang paling akurat dilihat hingga saat ini dalam hal pengenalan gambar.
“Prestasi ini nt menandai tonggak utama untuk pengembangan teknologi AI di masa depan yang dapat menghadirkan alat baru untuk model pelatihan yang dapat merespons secara fleksibel terhadap situasi yang berbeda dan mengenali bahkan data yang tidak diketahui yang sangat berbeda dari data pelatihan asli dengan akurasi tinggi, dan kami menantikannya peluang dunia nyata yang menarik terbuka, ”kata Dr. Seishi Okamoto, Rekan di Fujitsu.
Dr. Tomaso Poggio, seorang profesor di Departemen Ilmu Otak dan Kognitif MIT, mengatakan prinsip-prinsip komputasi yang terinspirasi oleh ilmu saraf juga memiliki potensi untuk mengatasi masalah seperti bias basis data.
“ Ada kesenjangan yang signifikan antara DNN dan manusia ketika dievaluasi dalam kondisi di luar distribusi, yang sangat membahayakan aplikasi AI, terutama dalam hal keamanan dan keadilannya. Hasil yang diperoleh selama ini dalam program penelitian ini merupakan langkah yang baik ,” dia berkata.
Ke depan, Fujitsu dan CBMM mengatakan mereka akan berusaha untuk lebih menyempurnakan temuan mereka dalam upaya mengembangkan model AI yang mampu membuat penilaian yang fleksibel , dengan maksud untuk menempatkan mereka untuk bekerja di bidang-bidang seperti manufaktur dan perawatan medis.
- Periksa daftar hosting server khusus terbaik kami, hosting bare metal terbaik, dan hosting cloud terbaik
“Prestasi ini nt menandai tonggak utama untuk pengembangan teknologi AI di masa depan yang dapat menghadirkan alat baru untuk model pelatihan yang dapat merespons secara fleksibel terhadap situasi yang berbeda dan mengenali bahkan data yang tidak diketahui yang sangat berbeda dari data pelatihan asli dengan akurasi tinggi, dan kami menantikannya peluang dunia nyata yang menarik terbuka, ”kata Dr. Seishi Okamoto, Rekan di Fujitsu.
Dr. Tomaso Poggio, seorang profesor di Departemen Ilmu Otak dan Kognitif MIT, mengatakan prinsip-prinsip komputasi yang terinspirasi oleh ilmu saraf juga memiliki potensi untuk mengatasi masalah seperti bias basis data.
“ Ada kesenjangan yang signifikan antara DNN dan manusia ketika dievaluasi dalam kondisi di luar distribusi, yang sangat membahayakan aplikasi AI, terutama dalam hal keamanan dan keadilannya. Hasil yang diperoleh selama ini dalam program penelitian ini merupakan langkah yang baik ,” dia berkata.
Ke depan, Fujitsu dan CBMM mengatakan mereka akan berusaha untuk lebih menyempurnakan temuan mereka dalam upaya mengembangkan model AI yang mampu membuat penilaian yang fleksibel , dengan maksud untuk menempatkan mereka untuk bekerja di bidang-bidang seperti manufaktur dan perawatan medis.
- Periksa daftar hosting server khusus terbaik kami, hosting bare metal terbaik, dan hosting cloud terbaik