Eigen RadarYapay Zekâ
Analiz

AgentSSL güçlü öğrenme programları buluyor, seçimde zorlanıyor

AgentSSL, az sayıdaki etiketli örneğin yanında etiketsiz veriyi kullanarak öğrenme programları üreten eylemcileri sınadı. Yeni ön baskıda en güçlü adaylar on iki deney düzeninin sekizinde insan yapımı karşılaştırmayı geçti; ancak eldeki geri bildirimle yapılan seçim başarımı belirgin biçimde düşürebildi. Araştırmacılar, adayların nasıl seçildiğini ayrıca sınamak için bir program derlemi de hazırladı.

Yapay Zekâ··Gece
Bir üniversite araştırma odasında iki araştırmacı, birkaçı işaretli yüzlerce küçük saha fotoğrafı ve bulanık kod blokları gösteren büyük ekranın önünde hangi adayı seçeceklerini tartışıyor.

Eldeki geri bildirim daha zayıf programı seçebiliyor

Yarı gözetimli öğrenme programları arayan AgentSSL, makine öğrenmesini otomatikleştiren eylemcilerin aday seçimini inceliyor. Yeni ön baskının yazarları, arama sırasında bulunan en iyi programın on iki deney düzeninin sekizinde en güçlü insan yapımı karşılaştırmayı geçtiğini bildiriyor. En büyük artış yüzde 21,8'e ulaşıyor. Ancak eylemcinin gerçekten erişebildiği geri bildirimle aday seçildiğinde başarım yüzde 47'ye kadar düşebiliyor. Deney, aramada bulunan en iyi programın sonucunu ve eldeki bilgilerle seçilen programın sonucunu ayrı ayrı ölçüyor.[1]

Eylemciler etiketli ve etiketsiz örnekleri birleştiriyor

Deney düzeninde az sayıda etiketli örneğin yanında çok sayıda etiketsiz örnek bulunuyor. Eylemciler, var olan yarı gözetimli yöntemleri uyarlayan ve birleştiren çalıştırılabilir kod yazıyor. Böylece hem örneklere etiket verme işi hem de öğrenme hattını elle kurma çabası ele alınıyor. Karşılaştırmalarda hesaplama bütçeleri eşleştiriliyor; sınırlı denetimin sağladığı zayıf geri bildirim kullanılıyor. Araştırmacılar, kontrollü kıyaslamaların dışına çıkarak ekoloji alanındaki nesne tespit görevlerini de ek deneylerde inceliyor.[1]

ProgramSelectBench aday seçimini sınayacak

Araştırmacılar seçim aşamasını incelemek için ProgramSelectBench adlı bir derlem hazırladı. Eylemciler ile insanların ürettiği toplam 16.977 programı içeren derlemde gözetimsiz ve etkin seçim yöntemleri değerlendiriliyor. Az sayıdaki etiketin bir bölümünü programlar arasından seçim yapmak için ayırmak da sınanan yaklaşımlar arasında. Bu düzende etiketlerin bir bölümü eğitim yerine seçime ayrılıyor. Etiket bütçesinin iki iş arasında nasıl bölündüğü, arama tamamlandığında eylemcinin hangi adayı belirleyebileceğini etkileyen deneysel bir karar olarak ele alınıyor.[1]

Kaynakça

  1. Haber kaynağıarXivAgentSSL, az etiketli öğrenmede program seçimini sınadı↩1↩2↩3