Proses pembelajaran terpadu: Pembelajaran sing diawasi dhewe pungkasane bisa dadi konsisten

• Babagan Author:
• Jeneng panganggit

  Quantumrun Foresight
• Februari 7, 2023

Jaring saraf jero kanthi tradisional wis apik kanggo ngenali obyek ing foto lan video, uga ngolah basa alami. Nanging, umume riset babagan algoritma sing diawasi dhewe wis konsentrasi ing modalitas individu, sing bisa nyebabake bias.

Konteks proses pembelajaran terpadu

Kanthi ngawasi dhewe, komputer bisa sinau babagan lingkungane kanthi mriksa lan nggawe makna gambar, rekaman audio, utawa tembung sing ditulis. Iku luwih efisien kanggo duwe mesin sing ora mbutuhake instruksi manual kanggo mbedakake gambar utawa ngerti basa lisan. Umume riset sinau sing diawasi dhewe fokus ing siji wilayah tinimbang macem-macem modalitas. Mulane, peneliti sing fokus ing siji wilayah asring duwe strategi sing beda banget tinimbang sing fokus ing liyane.

Contone, ing pangolahan wicara, sawetara tugas sinau sing diawasi dhewe ora duwe kosakata unit wicara. Akibaté, sawetara model teka karo mekanisme sing sinau inventarisasi unit wicara. Token learning, regressing input, utawa nggawe data augmentation minangka sawetara cara sing peneliti visi komputer wis nyoba kanggo nglawan masalah iki ing jaman kepungkur. Nanging, asring angel kanggo nemtokake manawa cara kasebut bakal efektif ing njaba konteks asline.

Miturut panaliten Universitas Cornell 2022, teori paling dhuwur babagan biologi sinau nuduhake manawa manungsa bisa nggunakake proses sing padha kanggo ngerteni visual lan basa. Kajaba iku, arsitektur jaringan saraf umum wis ngluwihi mitra khusus modalitas. Dadi, ing taun 2022, Meta ngenalake Data2vec, sistem sing nggunakake algoritma siji kanggo nglatih jaringan saraf kanggo ngenali gambar, teks, utawa wicara. 

Dampak gangguan

Algoritma ngolah gambar, teks, lan swara kanthi beda amarga padha ngantisipasi unit sing béda kayata piksel, token visual, tembung, utawa inventaris swara. Nggawe algoritma ana hubungane karo modalitas tartamtu, tegese sing beda-beda modalitas bakal terus bisa beda-beda saka siji liyane. Data2vec ngidini model bisa digunakake kanthi macem-macem jinis input kanthi fokus ing perwakilan, kayata lapisan jaringan saraf. Kanthi data2vec, ora perlu prédhiksi token visual, frasa, utawa swara.

Data2vec nuduhake yen algoritma pamulangan mandiri ora mung bisa mlaku kanthi apik ing pirang-pirang skenario nanging asring luwih apik tinimbang cara tradisional. Fitur iki bisa nyebabake panggunaan sinau sing diawasi kanthi luwih akeh lan nyedhaki mesin AI sing bisa mulang dhewe babagan topik rumit kayata acara olahraga utawa macem-macem cara nggawe roti nggunakake film, artikel, lan rekaman audio.

Ing makalah 2022 sing diterbitake ing jurnal Nature, para peneliti nyorot aplikasi sinau sing diawasi dhewe kanggo ngembangake model sing nggunakake set data multimodal. Panaliten kasebut uga mbahas sawetara tantangan kanggo ngumpulake data sing ora bias kanggo latihan, kayata metode sing digunakake ing obat lan kesehatan. Kanthi sinau sing diawasi dhewe, tim kasebut bisa ngajar mesin mung nggunakake data sing ora ana label. Prestasi iki minangka titik wiwitan sing apik kanggo tugas apa wae ing obat (lan ngluwihi) kanggo prédhiksi informasi sing didhelikake sing ora bisa dikategorikaké kanthi jelas. Ing mangsa ngarep, algoritma bakal luwih bisa ngenali input sing mbukak lan nggandhengake karo set data liyane tanpa campur tangan manungsa.

Implikasi saka proses learning terpadu

Implikasi sing luwih akeh saka proses pembelajaran terpadu bisa uga kalebu: 

• Chatbots sing bisa nggawe rekomendasi lan ngenali produk adhedhasar gambar lan rekaman swara.
• Asisten digital sing bisa ngolah informasi visual lan audio kanthi bebarengan, ndadékaké layanan lan respon sing luwih akurat.
• Karakter lan kanca maya sing digawe ing metaverse sing bisa sinau kanthi sesambungan karo manungsa lan pungkasane melu lan ngobrol karo wong kanthi cara sing saya rasa urip. 
• Perkakas cerdas sing bisa diwiwiti kanthi mandiri adhedhasar isyarat audio lan visual.
• Kapabilitas kendaraan otonom sing ditingkatake sing bisa ngenali obyek kanthi akurat ing dalan utawa nanggapi sirine polisi lan ambulans.
• Teknologi bantu sing luwih apik sing bisa nuntun wong sing duwe cacat audio utawa visual kanggo nambah kamardikan lan mobilitas.

Pitakonan kanggo komentar

• Kepiye teknologi iki bisa nggawe piranti sing luwih intuisi lan asisten digital?
• Apa sawetara cara liyane sing bisa mbantu AI multimodal ing pakaryan?