الأخبار التكنولوجية والاستعراضات والنصائح!

أطلقت Google تحدي التعهيد الجماعي لتحدي مجموعات الاختبارات السلبية لتعلم الآلة (CATS4ML)

أطلقت Google تحدي التعهيد الجماعي لتحدي مجموعات الاختبارات السلبية لتعلم الآلة (CATS4ML) 1

في الآونة الأخيرة ، أطلقت Google AI تحديًا للبيانات يسمى CATS4ML (مجموعات الاختبار العكسي التعهيد للتعلم الآلي). يعمل هذا التحدي على تحسين مجموعات بيانات التقييم الخاصة بالتعلم الآلي من خلال تشجيع البحث في معايير ML الحالية.

يستمر تحدي بيانات CATS4ML حتى 30 أبريل 2021

أطلقت Google تحدي بيانات CATS4ML

يطلب تحدي بيانات CATS4ML من المتنافسين استخدام طرق مختلفة للعثور على أمثلة لـ Unknown Unknowns في نماذج ML. لذلك ، عندما تكتسب هذه التقنية المزيد من الخبرة ، فإن تقنية التعرف على الأشياء الخاصة بـ Google ستؤدي بشكل أفضل.

في مهام التعرف على الكائنات ، سيتحدى CATS4ML قدرة التعلم الآلي. تحتوي مجموعة الاختبار على العديد من الأمثلة التي يصعب حلها باستخدام الخوارزميات. الغرض الرئيسي من CATS4ML هو إعطاء مجموعة بيانات للمطورين لفحص نقاط الضعف في الخوارزمية.

تحتوي العديد من مجموعات بيانات التقييم على عناصر سهلة التقييم ، لكنها تفتقد الغموض الطبيعي للسياق الحقيقي. من الصعب تقييم نماذج تعلم الآلة بدون أمثلة من العالم الحقيقي لاختبار أداء التعلم الآلي. وهذا يجعل نماذج ML لتطوير “نقاط ضعف”.

يُظهر تحدي بيانات CATS4ML من Google AI في HCOMP 2020 صعوبة تحديد نقاط ضعف نموذج ML. الهدف الرئيسي من هذا التحدي هو وضع معيار في مجموعات تقييم ML لاكتشاف أمثلة بيانات جديدة ، كما أن التعلم الآلي واثق. ستساعد نتائج هذه التحديات في تحديد الأخطاء المستقبلية وتجنبها.

نقاط الضعف في نماذج التعلم الآلي

النقاط الضعيفة هي أمثلة يصعب تقييم النموذج بشكل صحيح. يحدث هذا لأن مجموعة البيانات لا تتضمن فئات الأمثلة.

يواصل الباحثون دراسة “المجهول المعروفة” في مجال التعلم النشط. لقد وجد المجتمع حلاً للحصول على تسمية جديدة من الأشخاص على أمثلة عشوائية. مثل ، إذا كان النموذج غير متأكد من أن موضوع الصورة هو قطة أم لا ، يتم توجيه الشخص للتحقق من تلك الصورة. وإذا كان النموذج متأكدًا من الصورة ، فلن يُسأل الشخص.

يمكن لأمثلة العالم الحقيقي أن تعطي نتائج أفضل لإخفاقات النموذج في أدائه. ومن ثم ، يحاول تحدي بيانات CATS4ML جمع عينات غير معالجة يمكن للبشر قراءتها ولكن النماذج ترتكب أخطاء.

يظل تحدي بيانات CATS4ML مفتوحًا حتى 30 أبريل 2021 للباحثين والمطورين على مستوى العالم. يمكن للمشاركين التسجيل على موقع التحديوتنزيل الصور المستهدفة ومجموعة البيانات وتوفير الصور.