Uma IA consegue construir um classificador de imagens sem treiná-lo?
Um modelo de IA, instruído a construir um classificador de imagens sem treiná-lo, alcançou 91,3% de acurácia no teste padrão de dígitos manuscritos MNIST, próximo do resultado de 50 passos de treinamento convencional. O experimento, documentado em um relato detalhado, testou se um modelo de linguagem de ponta conseguiria escrever diretamente os pesos de uma rede neural.
Quais regras regeram o experimento do classificador construído à mão?
As regras eram rigorosas. O modelo recebeu uma rede neural convolucional fixa com 5.994 pesos e precisou definir cada um deles do zero. Não podia usar ajuste, regressão ou busca. Desenhar filtros e modelos à mão, a partir de fórmulas ou traços, era permitido. Seu código rodava em um sandbox que só podia importar NumPy, SciPy e math, e ele nunca viu as 10.000 imagens oficiais de teste do MNIST. Recebeu apenas a perda de treinamento, a acurácia e a matriz de confusão após cada tentativa, e teve até 50 passos.
Como o classificador construído à mão se comparou ao treinamento convencional?
Todas as três execuções usaram os 50 passos completos, ainda melhorando quando o orçamento se esgotou, e cada uma ficou em torno de 90% no conjunto de teste. A melhor, com 91,3%, foi executada pelo Claude Fable 5.2. O autor afirmou que o modelo Opus 5.5 teve desempenho muito pior, sem ultrapassar 74% no conjunto de teste.
O método lembrava menos o aprendizado profundo moderno e mais o passado da área, anterior ao aprendizado profundo. Em um artigo de 1998 que apresentou o MNIST, Yann LeCun e seus coautores descreveram as abordagens daquela era como \
Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.