شبکه های عصبی

انسان چگونه می‌تواند حجم عظیمی از داده‌ها را پردازش کند؟

انسان چگونه می‌تواند حجم عظیمی از داده‌ها را پردازش کند؟

به گفته محققان، انسان می‌تواند با در اختیار داشتن کمتر از 1% از اطلاعات اصلی، داده‌ها را دسته‌بندی کند. از این رو اعتبارسنجی یک الگوریتم برای توضیح یادگیری انسان می‌تواند در یادگیری ماشین، تجزیه‌وتحلیل داده‌ها و بینایی کامپیوتری مورد استفاده قرار بگیرد.

انسان‌ها می‌توانند اشیاء پیچیده و تغییرات آن‌ها را به‌سرعت یاد بگیرند. به طور مثال ما حرف “A”  را بدون توجه به نوع فونت، متن و یا پس‌زمینه تشخیص می‌دهیم یا چهره همکارمان را حتی اگر کلاهی روی سرش گذاشته و یا فرم موهای خودش را تغییر داده باشد، شناسایی می‌کنیم. علاوه بر این‌ها ما می‌توانیم یک شی را تنها با مشاهده بخشی از آن بشناسیم، مانند گوشه‌ای از یک تخت و یا بخشی از یک در. اما چگونه؟ آیا تکنیک‌های ساده‌ای وجود دارند که انسان‌ها از آن برای انجام این وظایف متفاوت بهره می‌برند؟ و آیا چنین تکنیک‌هایی می‌توانند به طور محاسباتی برای بهبود بینایی کامپیوتر، یادگیری ماشین یا عملکرد رباتیک به کار گرفته شوند؟

سانتوش ومپالا، استاد برجسته علوم کامپیوتر در موسسه فناوری جورجیا و یکی از چهار محقق این پروژه، گفت:”چگونه ما می‌توانیم حجم عظیمی از داده‌های پیرامون خودمان را از انواع بسیار متفاوت، با سرعت و به درستی درک کنیم؟.” وی افزود:”در یک سطح بنیادی، نوع بشر چگونه می‌تواند چنین کاری انجام دهد؟ این یک مسئله محاسباتی است.”

روزا اریگا، مایا کاک‌مک، دیوید راتر و ومپالا در دانشکده محاسبات موسسه جورجیاتک، عملکرد انسان را در آزمون “تجسم تصادفی” برای دریافت چگونگی یادگیری یک کار توسط انسان، مورد مطالعه قرار داده‌اند. آن‌ها آزمون‌هایی را با تصاویر اصلی و انتزاعی ترتیب دادند و سپس از آزمایش‌شوندگان پرسیدند که آیا به درستی می‌توانند همان تصاویر را زمانی که بخشی از آن‌ها به طور تصادفی به نمایش گذاشته می‌شود، شناسایی کنند؟

نظریه الگوریتمی یادگیری مبتنی بر تجسم تصادفی تاکنون بیش از 300 بار مورد استناد قرار گرفته و تبدیل به یک تکنیک رایج در یادگیری ماشینی برای آنالیز مقادیر عظیم داده‌ها از انواع گوناگون شده است.