行业报告 AI展会 数据标注
数据标注数据集
您的当前位置:主页 > 机器学习 > 正文

AI Weekly:多模式学习现在就在这里

来源:可思数据 时间:2019-12-04


数据集是AI系统的基本构建块,这种范例不太可能改变。在人类日常使用的情况下,如果没有可用来绘制的语料库,则模型将无法学习有助于他们预测的关系。

但是为什么要停在一个语料库上呢?ABI Research的一份引人入胜的报告预计,尽管AI设备的总安装量将从2019年的26.9亿增长到2024年的44.7亿,但短期内可互操作的相对较少。它们不会将千兆字节到PB的数据组合成一个单一的AI模型或框架,而是将独立且异构地工作以理解所馈送的数据。

ABI认为,这很不幸,因为如果他们一起玩得很好,可能会收集到一些见解。这就是为什么作为这种单峰方式的替代方案,该研究公司提出了多峰学习,该学习将来自各种传感器和输入的数据合并到一个系统中。

多模式学习可以带有互补的信息或趋势,只有当它们全部包含在学习过程中时,这些信息或趋势才会变得明显。另外,利用来自不同模态的信号的基于学习的方法可以产生比单模态系统更强大的推断。

考虑图像和文字标题。如果不同的单词与相似的图像配对,则这些单词很可能用来描述相同的事物或对象。相反,如果某些单词出现在不同的图像旁边,则表示这些图像表示同一对象。鉴于此,AI模型应该有可能从文本描述中预测图像对象,而事实上,大量的学术文献已经证明是这种情况。

尽管多模式方法在机器学习方面有许多优点,但ABI的报告指出,大多数平台公司(包括IBM,Microsoft,Amazon和Google)继续将重点放在单模式系统上。这部分是因为要缓解模态中的噪音和冲突,并调和模态对预测的定量影响方面的差异是一项挑战。

幸运的是,仍然存在广泛采用多模式的希望。ABI Research预计,受机器人技术,消费者,医疗保健以及媒体和娱乐领域采用的推动,设备的总发货量将从2017年的394万台增加到2023年的5.412亿台。像Waymo这样的公司正在利用多模式方法来构建超感知的自动驾驶汽车,而由英特尔实验室首席工程师Omesh Tickoo带领的团队正在研究现实环境中传感器数据整理的技术。

“在嘈杂的情况下,您可能无法从音频传感器中获取很多信息,但是如果照明良好,也许摄像头可以为您提供更好的信息,” Tickoo在接受电话采访时向VentureBeat解释说。 。“我们所做的是,通过使用技术来确定上下文(例如一天中的时间),我们构建了一个系统,该系统可以告诉您何时传感器的数据不是最高质量的。有了这个置信度值,它就可以在不同的时间间隔对每个传感器权衡不同的传感器,并选择正确的组合来为我们提供我们正在寻找的答案。”

多峰学习不一定会取代单峰学习—单峰学习在图像识别和自然语言处理等应用中非常有效。但是,随着电子产品变得更便宜并且计算能力更强,它的知名度可能只会上升。

ABI Research首席研究官Stuart Carlaw在一份声明中说:“分类,决策和HMI系统将在推动采用多模式学习方面发挥重要作用,为完善和标准化某些技术方法提供催化剂。” “推动多模式应用进入设备的势头令人印象深刻。”

 

要获得AI报道,请将新闻提示发送给  Khari Johnson  和  Kyle Wiggers-并确保订阅AI Weekly时事通讯  并为我们的AI频道添加书签  。


转发量:

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
数据标注服务

Copyright©2005-2020 Sykv.com 可思数据 版权所有    京ICP备14056871号-1

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

人工智能资讯
扫码入群
扫码关注

微信公众号

返回顶部