家の犬は何を考えているのでしょうか?科学者は機械学習を使用してそれを解明します
コケティッシュな態度で毎日餌をねだる犬の心の中で何が起こっているのか考えたことがありますか?
なぜ、一生懸命成犬を育てている犬が、振り返って他人の腕の中に飛び込むのでしょうか?
実際、犬はあなたを怒らせるために意図的にこのようなことをしているわけではありません -
エモリー大学の実験では、犬は世界の物事を非常に厳しく見ている可能性があることが示されました。私たちとは違うのです。
人間は物体により注意を払いますが、犬は誰が、どのような物体を見ているかにはあまり関心がなく、行動自体にもっと関心を持っています。
ですから、犬を上手に扱う人なら誰でも犬に近づくことができるのは当然のことです。 (もちろん、犬は鋭い嗅覚を持っており、多くの犬は飼い主を認識していることも忘れないでください。)
さらに、犬と人間の視覚システムも大きく異なります。黄色と青の色調ですが、動きを検出するために使用される敏感な視覚受容体が 1 つあります。
この実験では、機械学習を使用して犬の脳活動を把握しました。関連論文は The Journal of Visualized Experiments に掲載されました。
研究者らは、この方法には非侵襲的であるという明らかな利点があると指摘しました。
この方法はこれまで霊長類でのみ使用されていたため、犬でのこの実験は大きな進歩です。
具体的な体験プロセスを見てみましょう。
犬と人間の脳活動の比較
研究者らは、機械学習と fMRI (機能的磁気共鳴画像法) を使用して、さまざまな種類のビデオを視聴したときの犬の脳活動を調査しました。
なぜ他の動物ではなく犬を選ぶべきなのかというと、
犬は動物に教えるのが比較的簡単であるため、一定の訓練を経れば、鎮静剤の注射や他の拘束方法を使用することなく、MRI (磁気共鳴) スキャンに従順に協力できるようになります。
ただし、犬は比較的従順ですが、この研究では、MRI スキャンに参加することに加えて、長時間ビデオを見なければなりませんでした。そのため、最終的に選ばれたのは2頭の犬だけで、1頭は4歳のオスのボクサーミックス、もう1頭は11歳のメスのボストンテリアのミックスでした。
△犬はビデオを見ています
各犬は 3 つの異なるビデオ セットを視聴しました。各ビデオ セットは 30 分で、合計 256 個のビデオを視聴しました。断片。変数を制御するために、これらのビデオには音声がありませんでした。
動画の中には、さまざまな物体 (人、犬、車など) を見せることに重点を置いているものもあれば、さまざまな動作 (遊ぶ、食べる、匂いを嗅ぐなど) を見せることに重点を置いているものもあります。
比較のために、2 人の人間のボランティアも同じ手順を使用してビデオ クリップを視聴しました。
ボランティアと犬がビデオを見ている間、研究者は3T MRIスキャナーを使用して脳活動の画像を記録しました。
彼らは次に、ニューラル ネットワークを使用して、「オブジェクト」と「アクション」を区別するための 3 つの分類器 (分類子) をトレーニングおよびテストしました。
ねえ、なぜ 2 ではなく 3 なのでしょうか?
行動分類器のうち、1 つは 3 つの異なるアクションについてトレーニングされ、もう 1 つは 5 つのアクションを学習したためです。
その結果、人間の脳は物や動作に対してよく反応するのに対し、犬の脳は動作に対してのみ敏感であり、異なる人や物に対して冷淡であるようには見えません。
バーンズ教授は、プリンストン大学物理学科を学士号を取得して卒業し、生物医工学博士号と医学博士号の 2 つの博士号を取得しました。
バーンズ氏は、動物は狩りをしたり食べられるのを避けるために自然に環境の変化に細心の注意を払う必要があるため、犬が動きに注意を払うのは当然だと考えています。
この研究に参加した犬は2匹だけでしたが、研究者らは今後さらに多くの犬や他の動物で実験を行い、動物が世界をどのように認識しているかを調査する予定です。
論文アドレス: https://www.jove.com/t/64442/through-dog-s-eyes-fmri-decoding-naturalistic-videos-from-dog
参考リンク:https://www.eurekalert.org/news-releases/964886
以上が家の犬は何を考えているのでしょうか?科学者は機械学習を使用してそれを解明しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









機械学習とデータ サイエンスの分野では、モデルの解釈可能性が常に研究者や実務家に焦点を当ててきました。深層学習やアンサンブル手法などの複雑なモデルが広く適用されるようになったことで、モデルの意思決定プロセスを理解することが特に重要になってきました。 Explainable AI|XAI は、モデルの透明性を高めることで、機械学習モデルに対する信頼と自信を構築するのに役立ちます。モデルの透明性の向上は、複数の複雑なモデルの普及や、モデルを説明するための意思決定プロセスなどの方法によって実現できます。これらの方法には、特徴重要度分析、モデル予測間隔推定、ローカル解釈可能性アルゴリズムなどが含まれます。特徴重要度分析では、入力特徴に対するモデルの影響度を評価することで、モデルの意思決定プロセスを説明できます。モデルの予測間隔の推定

この記事では、学習曲線を通じて機械学習モデルの過学習と過小学習を効果的に特定する方法を紹介します。過小適合と過適合 1. 過適合 モデルがデータからノイズを学習するためにデータ上で過学習されている場合、そのモデルは過適合していると言われます。過学習モデルはすべての例を完璧に学習するため、未確認の新しい例を誤って分類してしまいます。過適合モデルの場合、完璧/ほぼ完璧なトレーニング セット スコアとひどい検証セット/テスト スコアが得られます。若干修正: 「過学習の原因: 複雑なモデルを使用して単純な問題を解決し、データからノイズを抽出します。トレーニング セットとしての小さなデータ セットはすべてのデータを正しく表現できない可能性があるため、2. 過学習の Heru。」

1950 年代に人工知能 (AI) が誕生しました。そのとき、研究者たちは、機械が思考などの人間と同じようなタスクを実行できることを発見しました。その後、1960 年代に米国国防総省は人工知能に資金を提供し、さらなる開発のために研究所を設立しました。研究者たちは、宇宙探査や極限環境での生存など、多くの分野で人工知能の応用を見出しています。宇宙探査は、地球を超えた宇宙全体を対象とする宇宙の研究です。宇宙は地球とは条件が異なるため、極限環境に分類されます。宇宙で生き残るためには、多くの要素を考慮し、予防策を講じる必要があります。科学者や研究者は、宇宙を探索し、あらゆるものの現状を理解することが、宇宙の仕組みを理解し、潜在的な環境危機に備えるのに役立つと信じています。

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

翻訳者 | Li Rui によるレビュー | 今日、人工知能 (AI) および機械学習 (ML) モデルはますます複雑になっており、これらのモデルによって生成される出力はブラックボックスになっており、関係者に説明することができません。 Explainable AI (XAI) は、利害関係者がこれらのモデルがどのように機能するかを理解できるようにし、これらのモデルが実際に意思決定を行う方法を確実に理解できるようにし、AI システムの透明性、信頼性、およびこの問題を解決するための説明責任を確保することで、この問題を解決することを目指しています。この記事では、さまざまな説明可能な人工知能 (XAI) 手法を検討して、その基礎となる原理を説明します。説明可能な AI が重要であるいくつかの理由 信頼と透明性: AI システムが広く受け入れられ、信頼されるためには、ユーザーは意思決定がどのように行われるかを理解する必要があります

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

MetaFAIR はハーバード大学と協力して、大規模な機械学習の実行時に生成されるデータの偏りを最適化するための新しい研究フレームワークを提供しました。大規模な言語モデルのトレーニングには数か月かかることが多く、数百、さらには数千の GPU を使用することが知られています。 LLaMA270B モデルを例にとると、そのトレーニングには合計 1,720,320 GPU 時間が必要です。大規模なモデルのトレーニングには、これらのワークロードの規模と複雑さにより、特有のシステム上の課題が生じます。最近、多くの機関が、SOTA 生成 AI モデルをトレーニングする際のトレーニング プロセスの不安定性を報告しています。これらは通常、損失スパイクの形で現れます。たとえば、Google の PaLM モデルでは、トレーニング プロセス中に最大 20 回の損失スパイクが発生しました。数値的なバイアスがこのトレーニングの不正確さの根本原因です。

D デイ侵略が 80 周年に近づく中、1 か月にわたる World of Tanks のイベントとスペシャルは、新しい PvE モード、テーマ別バトル パス、新しいフロントライン モードのリリース、そして 1 か月間、オーバーロード作戦を中心に展開されます。長い ノルマンディー作戦トークンストアが間もなくオープンします。作戦マップ 6 月 3 日から 6 月 30 日まで、ノルマンディーのビーチを探索し、最大 90 個のノルマンディー作戦トークンを収集します。このマップから 36 個、毎日のタスクを完了することでさらに 54 個です。インタラクティブなマップをチェックして各イベントの開始日を確認し、今すぐトークンの獲得を開始するか、特別なトークン クエストのロックを解除してください。マップを使用して、ノルマンディー作戦関連の活動について詳しく学びましょう。十分なノルマンディー作戦トークンを入手したら、ノルマンディー作戦トークン ディーラーに行くことができます。
