株式会社博展 - 東芝実績動画
「悪い」データが機械学習システムに取り込まれると、2008年の不況を予測できなかったコンピューターモデルについてAlan Greenspanが議論したときに、その情報を削除するのは困難になります。しかし、それぞれコロンビア大学とリーハイ大学のコンピュータ科学者Junfeng YangとYinzhi Caoによって提案された新しい概念は、コンピュータに学習しないという考えをもたらします。 CaoとYangは、2015年のIEEE Xplore会議で発表された要約を書いていますが、忘れてしまうことはありません。
トレーニングデータサンプルを忘れるために、私たちのアプローチは少数の合計を更新するだけです - 最初からやり直すより漸近的に速くなります。私たちのアプローチは一般的です、なぜなら合計形式は多くの機械学習アルゴリズムが実行されることができる統計的な質問学習からのものです。私たちのアプローチは、特徴選択やモデリングを含む、機械学習のすべての段階にも適用されます。 4つの多様な学習システムと実社会のワークロードに対する私たちの評価は、私たちのアプローチが一般的で、効果的で、速く、そして使いやすいことを示しています。
機械学習の概念は、マウンドと情報のマウンドから構築された基盤に基づいています。重いコートを着ている人が斧を振るっている場合、その人は消防士になるかもしれません。しかし、これらのトレーニングセッションでは、データセットに基づいて誤った接続が発生する可能性があります。あなたのロボットはすべての消防士があごひげを持っていると思うかもしれません。これは、明らかに、あなたがコンピュータに望んでいることです。 思いつかない.
CaoとYangは、ロボットによる情報の切り離しの概念をデータ系列の概念に基づいています - 生データが処理されるにつれて、データは完全に形成されるわけではありませんが、追跡可能な履歴を持ちます。 クルスヴァイルA.I 。その系統を利用することで、機械は、自分の教育を完全に拭くことなく、データの選択された部分を学習解除することができます。