Google опубликовал статью, в которой описана мультизадачная модель машинного обучения и результаты, полученные с её помощью. Об этом сообщает VentureBeat.
Так называемая MultiModel обучалась на ряде задач, включая перевод, парсинг языка, распознавание речи, распознавание изображений и обнаружение объектов. Полученные результаты показали, что обучение системы искусственного интеллекта на нескольких операциях одновременно может помочь повысить эффективность в целом.
Например, при обучении MultiModel на ряде задач точность машинного перевода, распознавания речи и парсинга языка была выше, чем в том случае, когда обучение велось по каждой операции в отдельности.
Статья Google может служить шаблоном для создания систем машинного обучения, которые более широко применимы и обеспечивают более высокую точность, чем узкоспециализированные решения, распространённые сегодня на рынке. Кроме того, эти разработки могут помочь сократить количество данных, необходимых для создания жизнеспособного алгоритма машинного обучения, отмечает VentureBeat.
Исходный код MultiModel опубликован на GitHub.
Напомним, что ранее в этом месяце Google открыл доступ к технологии распознавания объектов и набору mobile-first моделей компьютерного зрения для TensorFlow.
