Intelligenza artificiale: un nuovo approccio permette di ridurre del 60% il tempo di training

Insegnare a una macchina che sfrutta il Machine Learning a individuare gli schemi necessari per svolgere il suo compito è un processo che richiede molto tempo. La rete neurale che ne compone il “cervello” deve osservare e analizzare decine e decine di migliaia di immagini (o altri input) prima di poter diventare autonoma.

Un nuovo algoritmo chiamato Adaptive Deep Reuse gestisce i dati inseriti permettendo di abbattere di oltre il 60% il tempo di training ignorando quei pattern che si ripetono ad ogni iterazione senza nessuna perdita di accuratezza.

“La tecnica riduce drasticamente i tempi di allenamento – ha dichiarato Hui Guan, Ph.D. presso il NC State e co-autore del paper – quanto più grande è la rete, tanto più Adaptive Deep Reuse è in grado di ridurre i tempi di formazione. Riteniamo che Adaptive Deep Reuse sia uno strumento prezioso e non vedo l’ora di lavorare con l’industria e i partner di ricerca per dimostrare come può essere utilizzato per far progredire l’intelligenza artificiale”.

Leggi la news: https://bit.ly/2Io5zWK