Nytt inlärningssystem lär sig utan backpropagation eller stora datamängder

arXiv cs.AI

Forskare föreslår en alternativ teori för maskininlärning kallad ISL (Invariant Structural Learning), där ett system lär sig genom att konvergera mot stabila strukturmönster i ett matematiskt rum – istället för den vanliga metoden att minimera ett felvärde via backpropagation. Intressant nog verkar metoden fungera på bildigenkänning med extremt små träningsdataset, vilket utmanar antagandet att AI behöver enorma datamängder. Kopplingen till hur biologiska nervceller faktiskt fungerar är spekulativ men utgör en testbar hypotes.