שיטה חדשה ללימוד בינה מלאכותית

This post is also available in: English (אנגלית)

שיטה חדשה ללימוד מתמשך של בינה מלאכותית פותח לאחרונה על ידי צוות מחקר מאוניברסיטת המטרופולין של אוסקה. השיטה החדשה משלבת בין שיטות מיון של מידע בעזרת תיוגים עם היכולת לספוג כמויות גדולות של דאטא באופן מתמשך.

על פי סקרים שנעשו בעולם הפיזי על שיטות תיוג הדאטא מראות כי השיטה החדשה מעלה את רמות הביצוע באופן משמעותי, במיוחד כאשר משווים את השיטה לשיטות קונבנציונליות אחרות. הפשטות של השיטה החדשה מקלה על תהליך האינטגרציה עם אלגוריתמים נוספים, כך מדווחים sciencedaily.com.

העולם מתקדם אל עבר עידן מחובר בו אנו מקבלים כמויות עצומות של מידע בבסיס יום יומי. אין ספק שבמעבר לחיים חכמים, הבינה המלאכותית תשחק תפקיד משמעותי ככלי לסידור וארגון של הכמויות המשמעותיות של הדאטא.

על מנת לענות על הביקוש הגובר, צוות מחקר שבראשו פרופסור יוסקה נוג'ימה ופרופסור חבר נאוקי מסויאמה מאוניברסיטת המטרופולין של אוסקה, פיתח שיטה חדשה המשלבת בין שיטות מיון של מידע בעזרת תיוגים עם היכולת לספוג כמויות גדולות של דאטא באופן מתמשך. הפשטות של האלגוריתם עליו נבנתה השיטה החדשה מאפשר אינטגרציה חלקה עם אלגוריתמים אחרים ופיתוח מהיר של גרסאות חדשות. מכיוון שהשיטה בבסיסה מחלקת בין קבוצות דאטא על ידי הבחנה בין שינויים ותכונות זהות בין נתונים שונים, מצופה כי השיטה תהווה כלי שימושי ביותר לעיבוד כמויות גדולות של מידע באופן מתמשך.

על ידי למידה של הדאטא והמידע המפריד בין סוגים שונים של נתונים באופן מתמשך, השיטה מביאה לעלייה ברמות ביצוע ושיפור יכולות הלמידה של הבינה המלאכותית.

מעוניינים לצלול אל תוך עולם העתידנות הטכנולוגית? – הירשמו ל–INNOTECH 2023, הכנס והתערוכה הבינלאומיים לסייבר, HLS וחדשנות באקספו תל אביב ב29-30 במרץ.

מעוניינים בחסות / ביתן תצוגה בתערוכת ה-INNOTECH 2023? לחצו כאן לפרטים!