Google experimentuje s novou a mnohem mocnější A.I. Říká ji kapslová síť

Clickbait rulezz ...

CapsNet se učí s poloviční chybou oproti stávajícím technikám, to je jejich hlavní přednost.V článku to je zmíněno hned nad obrázkem historie neuronových sítí.To lze přeneseně chápat tak, že hypoteticky mohou být 2× rychlejší, a to už je dost markantní (potřeba milionů položek v datasetu vs. potřeba poloviny).

Učí se rychleji, ale je pomalejší"Zároveň je ze studií patrné, že nová metoda je oproti té staré mírně pomalejší. Více na: https://vtm.zive.cz/clanky/google-experimentu... ... "Pravděpodobně proto, že celá síť je složitější.

Ano, jak tvrdíte, celá síť je složitější a v porovnání ve stejném počtu položek v datasetu je mírně pomalejší.Nevím ale, jestli si rozumíme, tedy to zkusím rozvést na hypotetickém příkladu:Ukol: máme 10 milionový dataset a chceme natrénovat síť s 90 % chybou
Výsledky: CapsNet bude trvat 70 sekund než projede všechny položky, ConvNet to bude trvat 60 sekund. CapsNet ale stačí 5 milionů položek (čili 35 sekund).Nicméně je třeba říci, že se bavíme o hypotetických scénářích, vědecké články toto nezkoumaly a proto to není v článku, protože by to nebylo přesné. V článku může být jen napsáno, že se CapsNet učí s poloviční chybou, ale na stejném datasetu je pomalejší, protože je složitější, jak správně říkáte.

Osobně si myslím, že CapsNet nahradí stávající ConvNet. Ale to je jen můj názor. Na Redditu je vidět, že už to kdekdo integruje do svých systémů.Nicméně v porovnání s člověkem jsou algoritmy učení ANN stále na hrozné úrovni. Člověk potřebuje v průměru 1-14 příkladů ("v datasetu"), v mediánu 7 příkladů, na to, aby se něco nového naučil a pak už se jen zdokonaluje v rychlosti provedení. V tomhle se ANN nechytá.