집에 있는 개들은 무엇을 생각하고 있을까요? 과학자들은 기계 학습을 사용하여 이를 알아냅니다.
매일 요염하게 행동하고 먹을 것을 구걸하는 강아지의 마음속에는 무슨 일이 일어나고 있는지 생각해보신 적 있으신가요?
애쓰며 키우던 개들은 왜 가끔 뒤돌아서 남의 품에 뛰어드는 걸까요?
사실 개들은 의도적으로 여러분을 화나게 하려고 이런 짓을 하는 것이 아닙니다. -
에모리 대학의 실험에 따르면 개들은 우리와는 완전히 다른 세계관을 가질 수 있다는 사실이 밝혀졌습니다.
인간은 사물에 더 많은 관심을 기울이지만, 개는 자신이 누구, 어떤 사물을 보는지 별로 신경 쓰지 않고 행동 자체에 더 관심을 갖습니다.
그러므로 개는 자신을 잘 대해주는 누구에게나 가까워질 수 있다는 것은 당연한 일입니다. (물론 개는 후각이 예민하고 많은 개도 자신의 주인을 알아본다는 사실을 잊지 마세요)
개와 인간의 시각 체계도 노란색과 파란색 톤만 볼 수 있습니다. 그러나 그들은 움직임을 관찰하는 데 사용되는 민감한 시각 수용체를 가지고 있습니다.
이 실험은 머신러닝을 활용해 개의 뇌 활동을 파악했으며, 관련 논문은 The Journal of Visualized Experiments에 게재되었습니다.
연구원들은 이 방법이 비침습적이라는 분명한 장점이 있다고 지적했습니다.
이 방법은 이전에는 영장류에게만 사용되었으므로 개를 대상으로 한 이번 실험은 획기적인 발전입니다.
구체적인 체험과정을 살펴보겠습니다.
개와 인간의 뇌 활동 비교
연구원들은 기계 학습과 fMRI(기능적 자기 공명 영상)를 사용하여 개가 다양한 유형의 비디오를 볼 때 뇌 활동을 탐색했습니다.
다른 동물 대신 개를 선택해야 하는 이유는 무엇인가요?
개는 상대적으로 훈련하기 쉬운 동물이기 때문에 특정 훈련 후에는 진정제를 주사하거나 다른 구속 방법을 사용할 필요 없이 MRI(자기공명) 스캔에 순종적으로 협조할 수 있습니다.
그러나 개들은 상대적으로 순종적이지만, 이 연구에서는 MRI 스캔에 참여하는 것 외에도 오랫동안 비디오를 시청해야 했습니다. 그래서 결국 2마리의 개만 선택했는데, 한 마리는 4살 수컷 복서 믹스였고 다른 한 마리는 11살 암컷 보스턴 테리어 믹스였습니다.
Δ개들이 동영상을 보고 있습니다
각 개는 3개의 서로 다른 동영상을 시청했습니다. 각 동영상은 30분 동안 지속되었으며 총 256개의 동영상 클립이 있었습니다. 변수를 제어하기 위해 이러한 비디오에는 소리가 없습니다.
일부 동영상은 다양한 사물(예: 사람, 개, 자동차)을 보여주는 데 중점을 두고 있는 반면, 다른 동영상은 다양한 행동(예: 놀기, 먹기, 냄새 맡기)을 보여주는 데 중점을 둡니다.
비교를 위해 두 명의 자원봉사자도 동일한 절차를 사용하여 이 비디오 클립을 시청했습니다.
자원봉사자와 개들이 영상을 시청하는 동안 연구원들은 3T MRI 스캐너를 사용하여 뇌 활동의 이미지를 기록했습니다.
그런 다음 신경망을 사용하여 "객체"와 "동작"을 구별하는 3개의 분류기를 훈련하고 테스트했습니다.
야, 왜 2가 아니고 3이냐?
행동 분류자 중 한 명은 3가지 행동에 대해 훈련을 받았고, 다른 한 명은 5가지 행동을 학습했기 때문입니다.
결과에 따르면 인간의 뇌는 사물과 움직임 모두에 잘 반응하는 반면, 강아지의 뇌는 움직임에만 민감한 것으로 나타났습니다.
Δ왼쪽이 인간 뇌 MRI 영상, 오른쪽이 강아지 뇌 MRI 영상
또한 연구진은 모델 성능을 평가하고 데이터의 신뢰성을 높이기 위해 Ivis 머신러닝 알고리즘을 사용하여 수집된 데이터를 정량화합니다.
인간 자원봉사자의 데이터를 살펴보면 이 모델은 모두 뇌 활동 데이터를 다양한 분류기에 매핑하는 데 99% 이상의 정확도를 달성했습니다.
개의 뇌 데이터를 디코딩할 때 이 모델은 기본적으로 객체 기반 분류기에는 쓸모가 없지만, 행동 기반 분류기의 경우 정확도는 60%~88%에 달할 수 있습니다.
개들이 생각하는 방식이 우리와 많이 다르다는 걸 알 수 있어요!
연구원 소개
연구원은 에모리대학교 심리학과 출신입니다.
논문의 첫 번째 저자인 Erin M. Phillips는 현재 프린스턴 대학교 생태학 및 진화 생물학과의 박사 과정 후보자입니다.
에모리대학교에 방문학자로 오셔서 이번 연구에 참여하셨습니다.
논문의 공동 저자인 Gregory S. Berns는 현재 에모리 대학교 교수로 재직하고 있습니다. 그의 주요 연구 방향은 인간 의사 결정의 신경 영상화, 개 fMRI 및 비교 신경 생물학입니다.
번스 교수는 프린스턴 대학교 물리학과를 졸업하고, 의생명공학 박사와 의학박사라는 두 개의 박사학위를 받았습니다.
Berns는 개가 움직임에 더 주의를 기울이는 것은 이해할 수 있다고 믿습니다. 동물은 사냥을 하거나 잡아먹히지 않기 위해 자연적으로 환경 변화에 세심한 주의를 기울여야 하기 때문입니다.
이 연구에는 개 2마리만 참여했지만, 연구자들은 앞으로 더 많은 개와 다른 동물을 대상으로 실험을 진행하여 동물이 세상을 어떻게 인식하는지 알아볼 예정입니다.
논문 주소: https://www.jove.com/t/64442/through-dog-s-eyes-fmri-decoding-naturalistic-videos-from-dog
참고 링크: https://www.eurekalert .org/news-releases/964886
위 내용은 집에 있는 개들은 무엇을 생각하고 있을까요? 과학자들은 기계 학습을 사용하여 이를 알아냅니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











기계 학습 및 데이터 과학 분야에서 모델 해석 가능성은 항상 연구자와 실무자의 초점이었습니다. 딥러닝, 앙상블 방법 등 복잡한 모델이 널리 적용되면서 모델의 의사결정 과정을 이해하는 것이 특히 중요해졌습니다. explainable AI|XAI는 모델의 투명성을 높여 머신러닝 모델에 대한 신뢰와 확신을 구축하는 데 도움이 됩니다. 모델 투명성을 향상시키는 것은 여러 복잡한 모델의 광범위한 사용은 물론 모델을 설명하는 데 사용되는 의사 결정 프로세스와 같은 방법을 통해 달성할 수 있습니다. 이러한 방법에는 기능 중요도 분석, 모델 예측 간격 추정, 로컬 해석 가능성 알고리즘 등이 포함됩니다. 특성 중요도 분석은 모델이 입력 특성에 미치는 영향 정도를 평가하여 모델의 의사결정 과정을 설명할 수 있습니다. 모델 예측 구간 추정

이 글에서는 학습 곡선을 통해 머신러닝 모델에서 과적합과 과소적합을 효과적으로 식별하는 방법을 소개합니다. 과소적합 및 과적합 1. 과적합 모델이 데이터에 대해 과도하게 훈련되어 데이터에서 노이즈를 학습하는 경우 모델이 과적합이라고 합니다. 과적합된 모델은 모든 예를 너무 완벽하게 학습하므로 보이지 않거나 새로운 예를 잘못 분류합니다. 과대적합 모델의 경우 완벽/거의 완벽에 가까운 훈련 세트 점수와 형편없는 검증 세트/테스트 점수를 얻게 됩니다. 약간 수정됨: "과적합의 원인: 복잡한 모델을 사용하여 간단한 문제를 해결하고 데이터에서 노이즈를 추출합니다. 훈련 세트로 사용되는 작은 데이터 세트는 모든 데이터를 올바르게 표현하지 못할 수 있기 때문입니다."

1950년대에는 인공지능(AI)이 탄생했다. 그때 연구자들은 기계가 사고와 같은 인간과 유사한 작업을 수행할 수 있다는 것을 발견했습니다. 이후 1960년대에 미국 국방부는 인공 지능에 자금을 지원하고 추가 개발을 위해 실험실을 설립했습니다. 연구자들은 우주 탐사, 극한 환경에서의 생존 등 다양한 분야에서 인공지능의 응용 분야를 찾고 있습니다. 우주탐험은 지구를 넘어 우주 전체를 포괄하는 우주에 대한 연구이다. 우주는 지구와 조건이 다르기 때문에 극한 환경으로 분류됩니다. 우주에서 생존하려면 많은 요소를 고려해야 하며 예방 조치를 취해야 합니다. 과학자와 연구자들은 우주를 탐험하고 모든 것의 현재 상태를 이해하는 것이 우주가 어떻게 작동하는지 이해하고 잠재적인 환경 위기에 대비하는 데 도움이 될 수 있다고 믿습니다.

C++의 기계 학습 알고리즘이 직면하는 일반적인 과제에는 메모리 관리, 멀티스레딩, 성능 최적화 및 유지 관리 가능성이 포함됩니다. 솔루션에는 스마트 포인터, 최신 스레딩 라이브러리, SIMD 지침 및 타사 라이브러리 사용은 물론 코딩 스타일 지침 준수 및 자동화 도구 사용이 포함됩니다. 실제 사례에서는 Eigen 라이브러리를 사용하여 선형 회귀 알고리즘을 구현하고 메모리를 효과적으로 관리하며 고성능 행렬 연산을 사용하는 방법을 보여줍니다.

MetaFAIR는 대규모 기계 학습을 수행할 때 생성되는 데이터 편향을 최적화하기 위한 새로운 연구 프레임워크를 제공하기 위해 Harvard와 협력했습니다. 대규모 언어 모델을 훈련하는 데는 수개월이 걸리고 수백 또는 수천 개의 GPU를 사용하는 것으로 알려져 있습니다. LLaMA270B 모델을 예로 들면, 훈련에는 총 1,720,320 GPU 시간이 필요합니다. 대규모 모델을 교육하면 이러한 워크로드의 규모와 복잡성으로 인해 고유한 체계적 문제가 발생합니다. 최근 많은 기관에서 SOTA 생성 AI 모델을 훈련할 때 훈련 프로세스의 불안정성을 보고했습니다. 이는 일반적으로 손실 급증의 형태로 나타납니다. 예를 들어 Google의 PaLM 모델은 훈련 과정에서 최대 20번의 손실 급증을 경험했습니다. 수치 편향은 이러한 훈련 부정확성의 근본 원인입니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

번역기 | 검토자: Li Rui | Chonglou 인공 지능(AI) 및 기계 학습(ML) 모델은 오늘날 점점 더 복잡해지고 있으며 이러한 모델에서 생성되는 출력은 이해관계자에게 설명할 수 없는 블랙박스입니다. XAI(Explainable AI)는 이해관계자가 이러한 모델의 작동 방식을 이해할 수 있도록 하고, 이러한 모델이 실제로 의사 결정을 내리는 방식을 이해하도록 하며, AI 시스템의 투명성, 이 문제를 해결하기 위한 신뢰 및 책임을 보장함으로써 이 문제를 해결하는 것을 목표로 합니다. 이 기사에서는 기본 원리를 설명하기 위해 다양한 설명 가능한 인공 지능(XAI) 기술을 살펴봅니다. 설명 가능한 AI가 중요한 몇 가지 이유 신뢰와 투명성: AI 시스템이 널리 수용되고 신뢰되려면 사용자가 의사 결정 방법을 이해해야 합니다.

D-Day 침공 80주년이 다가오면서 한 달 동안 월드 오브 탱크 이벤트와 특별 행사가 오버로드 작전을 중심으로 진행됩니다. 새로운 PvE 모드, 테마 배틀 패스, 새로운 전선 대격돌 모드 출시 등이 포함됩니다. long 노르망디 작전 토큰 스토어가 곧 오픈됩니다. 작전 지도 6월 3일부터 6월 30일까지 노르망디 해변을 탐험하고 최대 90개의 노르망디 작전 토큰을 수집하세요. 이 지도에서 36개, 일일 임무를 완료하면 또 다른 54개입니다. 대화형 지도를 확인하고 각 이벤트의 시작 날짜를 확인한 다음 지금 토큰 획득을 시작하거나 특별 토큰 퀘스트를 잠금 해제하세요. 노르망디 작전 관련 활동에 대해 자세히 알아보려면 지도를 사용하세요. 충분한 노르망디 작전 토큰을 얻은 후 노르망디 작전 토큰 딜러에게 갈 수 있습니다.
