Наука

Нейронная согласованность: как обучать модели, которые быстро адаптируются к новым задачам

от

Метод Neural Coherence демонстрирует стабильное превосходство над базовым подходом Target-Val при оценке оптимальной контрольной точки, независимо от количества доступных данных ($n \in \{1, 2, 3, 4, 5, 20\}$), используя сеть ConvNext-Large, предварительно обученную на полном наборе данных Imagenet и применимую к различным целевым наборам данных.

Новое исследование предлагает метод повышения эффективности обучения с переносом и обобщения моделей на данные, отличные от тех, на которых они обучались, даже при небольшом количестве размеченных примеров.

Искусственный интеллект, уверенный в себе: как учиться на малом

от

В данной работе рассматриваются ключевые концепции, обеспечивающие создание надежных и эффективных систем искусственного интеллекта, ориентированных на учет неопределенности: байесовский подход, позволяющий моделировать неопределенность в параметрах модели с помощью априорных распределений и функции потерь; границы обобщения, устанавливающие связь между риском и ошибкой обучения в зависимости от размера обучающей выборки; конформное предсказание, калибрующее предсказательные множества для обеспечения заданного уровня покрытия; и использование синтетических данных для повышения точности предсказаний и улучшения качества предсказательных множеств.

В статье представлен обзор современных подходов к созданию ИИ, способного надежно работать в условиях ограниченных данных, и делается акцент на методах оценки неопределенности.

Распознать подделку: Как нейросети выдают с себя искусственный интеллект

от

Устойчивость детекторов изображений, сгенерированных искусственным интеллектом, к доброкачественным постобработкам демонстрирует общую надежность в различных условиях, что указывает на способность системы различать реальные и синтетические изображения даже при незначительных изменениях.

Новое исследование демонстрирует, что анализ метаданных фотографий позволяет эффективно выявлять изображения, сгенерированные искусственным интеллектом, даже без знания о конкретной модели-генераторе.