Többet tanul az algoritmus, mint amennyit tanítanak neki

A Toronto Egyetem kutatói fejlesztettek egy algoritmust, amely jobban tanul közvetlen emberi utasításokból, mintha példasorokat használ.

Ideghálókat általában felcímkézett példákkal látnak el, és megtanítják nekik az ezeken a mintákon alapuló döntéshozást. Az új heurisztikus modellel az algoritmust a gyakorlóminták osztályozására használandó utasításokkal programozzák. Parham Aarabi és Wenzhi Guo arra trenírozta, hogy személyek haját azonosítsa fényképeken.

„Megtanult helyesen osztályozni nehéz határeseteket, amikor a haj textúráját meg kell különböztetni a háttérétől. Azt láttuk, hogy olyasmiről van szó, mint amikor a tanár tanít egy gyereket, és a gyerek többet tanul meg, mint amire a tanár eredetileg oktatta” – magyarázza Aarabi.

Az új módszert használó algoritmus 160 százalékkal jobban teljesített a hagyományos gyakorlótechnikáknál, saját eredeti gyakorlómodelljét pedig 9 százalékkal múlta felül. Tehát akárcsak az Aarabi példájában szereplő gyerek, ő is többet tanult meg, mint amire a tanárok kezdetben okították.

A kutatók szerint heurisztikus megoldásuk korábban nem címkézett adatok, például orvosi diagnosztikához használt ráksejtek, önvezető autókat körülvevő tárgyak stb. osztályozásra lesz jó.