گوگل نے ٹینسرفلو اور پیٹورچ میں فوری اور موثر تصویری درجہ بندی کے لئے کچھ شاٹ ڈیپ لرننگ AI اور مشین لرننگ الگورتھم کے ساتھ مفت میٹا ڈیٹاسیٹس کی پیش کش کی ہے۔

گوگل پکسل 5؟

گوگل کے پاس ہے متعدد ڈیٹاسیٹس کی دستیابی کا اعلان کیا متنوع لیکن محدود قدرتی نقشوں پر مشتمل ہے۔ تلاش کے بڑے ادارے کو اعتماد ہے کہ عوامی سطح پر دستیاب اعداد و شمار اس رفتار کو آگے بڑھائیں گے مشین لرننگ اور مصنوعی ذہانت کم سے کم ڈیٹا پر اے آئی ماڈل کی تربیت کرنے میں لگے ہوئے وقت کو کم کرنا۔ گوگل اس نئے اقدام کو ‘فری میٹا ڈیٹاسیٹس’ قرار دے رہا ہے جو اے آئی ماڈلز کو کم ڈیٹا پر ‘سیکھنے’ میں مدد فراہم کرے گا۔ کمپنی کی جانب سے '' کچھ شاٹ AI '' کو بہتر بنایا گیا ہے تاکہ یہ یقینی بنایا جاسکے کہ اے آئی صرف چند نمائندوں کی تصاویر سے نئی کلاس سیکھتی ہے۔

کم ڈیٹاسیٹس کے ساتھ اے آئی اور مشین لرننگ ماڈلز کو تیزی سے تربیت دینے کی ضرورت کو سمجھتے ہوئے ، گوگل نے تصاویر کا ایک چھوٹا مجموعہ ’میٹا ڈیٹاسیٹ‘ لانچ کیا ہے جس میں الگورتھم کی درستگی کو بہتر بنانے کے لئے درکار ڈیٹا کی مقدار کو کم کرنے میں مدد مل سکتی ہے۔ کمپنی کا دعوی ہے کہ کچھ شاٹ تصویری درجہ بندی کی تکنیک کا استعمال کرتے ہوئے ، AI اور ML ماڈل بہت کم نمائندوں کی تصاویر سے ایک جیسی بصیرت حاصل کریں گے۔

گوگل اے آئی نے میٹا ڈیٹاسیٹ کا اعلان کیا: کچھ شاٹ سیکھنے کے لئے ڈیٹاسیٹس کا ایک ڈیٹاسیٹ:

اے آئی اور مشین لرننگ کے لئے ڈیپ لرننگ کافی عرصے سے تیزی سے بڑھ رہی ہے۔ تاہم ، بنیادی ضرورت اعلی معیار کے ڈیٹا کی دستیابی ہے اور وہ بھی بڑی مقدار میں۔ دستی طور پر تشریح شدہ ٹریننگ کے اعداد و شمار کی کثیر مقدار کا حصول اکثر مشکل ہوتا ہے اور بعض اوقات ناقابل اعتبار بھی ہوسکتا ہے۔ بڑے ڈیٹاسیٹوں کے خطرات کو سمجھتے ہوئے ، گوگل نے میٹا ڈیٹاسیٹس کے ایک مجموعہ کی دستیابی کا اعلان کیا ہے۔

کے ذریعے “ میٹا ڈیٹاسیٹ: کچھ مثالوں سے سیکھنے کے ل. سیکھنے کے لئے ڈیٹاسیٹ کا ڈیٹاسیٹ ”(پر پیش کیا آئی سی ایل آر 2020 ) ، گوگل نے حقیقت پسندانہ اور چیلنج کرنے والی کچھ شاٹ ترتیب میں مختلف تصویری درجہ بندی کے ماڈلز کی اہلیت کی پیمائش کے ل for ایک بڑے پیمانے پر اور متنوع بینچ مارک کی تجویز پیش کی ہے ، جس میں ایک فریم ورک پیش کیا گیا ہے جس میں کوئی چند شاٹ کی درجہ بندی کے کئی اہم پہلوؤں کی تحقیقات کرسکتا ہے۔ بنیادی طور پر ، گوگل 10 عوامی طور پر دستیاب اور قدرتی نقشوں کے ڈیٹاسیٹ استعمال کرنے کے لئے مفت پیش کر رہا ہے۔ ان ڈیٹاسیٹس میں امیجنیٹ ، CUB-200-2011 ، فنگی ، ہاتھ سے لکھے ہوئے کردار اور ڈوڈل شامل ہیں۔ کوڈ ہے عوام اور شامل ہیں a کاپی جو یہ ظاہر کرتا ہے کہ میٹا ڈیٹاسیٹ کو کس طرح استعمال کیا جاسکتا ہے ٹینسرفلو اور پی ٹورچ .

کچھ شاٹ کی درجہ بندی اس سے آگے ہے معیاری تربیت اور گہری سیکھنے کے ماڈل . آزمائشی وقت میں مکمل طور پر نئی کلاسوں میں عمومی لگانا پڑتا ہے۔ دوسرے لفظوں میں ، جانچ کے دوران استعمال ہونے والی تصاویر کو تربیت میں دیکھا نہیں گیا تھا۔ کچھ شاٹ کی درجہ بندی میں ، تربیتی سیٹ میں ایسی کلاسیں شامل ہوتی ہیں جو مکمل طور پر ان لوگوں سے دور ہوتی ہیں جو ٹیسٹ کے وقت ظاہر ہوں گی۔ ہر ٹیسٹ کے کام پر مشتمل ہے a سپورٹ سیٹ کچھ لیبل والی تصاویر کی جن سے ماڈل نئی کلاسوں اور عدم تناؤ کے بارے میں سیکھ سکتا ہے استفسار سیٹ مثال کے طور پر کہ ماڈل کو درجہ بندی کرنے کے لئے کہا جاتا ہے۔

میٹا ڈیٹاسیٹ ایک بہت بڑا جزو ہے جس میں ماڈل مکمل طور پر نئے ڈیٹاسیٹس کو عام کرنے کا مطالعہ کرتا ہے ، جس سے تربیت میں کسی بھی طبقے کی کوئی تصویر نظر نہیں آتی تھی۔ یہ کچھ شاٹ لرننگ سیٹ اپ میں شامل نئی کلاسوں کے لئے سخت عام کرنے کے چیلینج کے علاوہ ہے۔

میٹا ڈیٹاسیٹ اے آئی اور مشین لرننگ ماڈلز کے لئے گہری سیکھنے میں کس طرح مدد کرتا ہے؟

میٹا ڈیٹاسیٹ کراس ڈیٹاسیٹ کے لئے سب سے بڑے پیمانے پر منظم بینچ مارک کی نمائندگی کرتا ہے ، جس کی تصویری درجہ بندی کچھ شاٹ ہے۔ اس میں مختلف خصوصیات اور مشکلات کے کاموں کے ل s نمونے لینے والے الگورتھم بھی متعارف کرایا گیا ہے ، ہر ایک کام میں کلاسوں کی تعداد مختلف کرکے ، ہر طبقے میں دستیاب مثالوں کی تعداد ، کلاس عدم توازن کا تعارف ، اور ، کچھ ڈیٹاسیٹس کے مابین مماثلت کی ڈگری کو مختلف بنا کر۔ ہر کام کی کلاسیں۔

میٹا ڈیٹاسیٹ کچھ شاٹ کی درجہ بندی کے لئے نئے چیلنجوں کا تعارف کراتا ہے۔ گوگل کی تحقیق ابھی ابتدائی ہے اور اس میں ڈھیر ساری زمین موجود ہے۔ تاہم ، سرچ دیو نے دعوی کیا ہے کہ محققین کامیابی کا تجربہ کر رہے ہیں۔ کچھ قابل ذکر مثالوں میں چالاکی کے ساتھ ڈیزائن کیا گیا استعمال کرنا شامل ہے کام کنڈیشنگ ، زیادہ نفیس ہائپرپارامیٹر ٹیوننگ ، کرنے کے لئے ' میٹا بیس لائن ’جو پری ٹریننگ اور میٹا لرننگ اور آخر میں استعمال کرنے کے فوائد کو جوڑتا ہے خصوصیت کا انتخاب ہر کام کے لئے ایک عالمی نمائندگی مہارت حاصل کرنے کے لئے.