Evolutionslære møder deep learning: Skal skabe neurale net, der ikke glemmer

Foto : raspirator, Bigstock

Evolutionslære møder deep learning: Skal skabe neurale net, der ikke glemmer

Computere er stadig alt for ineffektive, når det handler om at genbruge information, de har lært. Løsningen skal findes i evolutionslæren, mener ITU-forsker.
Det er nemmere at lære at stå på skateboard, hvis først du har lært at cykle. Og nemmere at lære et nyt sprog, hvis du i forvejen har lært et andet sprog.  Den form for kontinuerlig læring er naturlig for mennesker, men utrolig vanskelig for neurale netværk. Derfor vil forskere ved ITU kopiere teknikken, der har gjort mennesker gode til at overføre viden fra et felt til et nyt.
Vil du have fuld adgang til DataTech?

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

Sebastian Risi
Sebastian Risi
Illustration: ITU, LinkedIn

Sebastian Risi er professor på IT-Universitetet og forsker i AI med fokus på computational evolution og deep learning. Sebastian Risi er desuden medstifter og Resaerch Director i startup-virksomheden Modl.ai.