ماذا يحدث عندما يواجه نموذج ذكاء اصطناعي شيئًا لم يره من قبل؟ بالنسبة للذكاء الاصطناعي الفيزيائي، هذا ليس حالة حدودية يمكن تجاهلها ببساطة. تحتوي البيئات الحقيقية على أشياء غير مألوفة، وظروف متغيرة، وتفاعلات غير متوقعة. يمكن أن يساعد مجموعة بيانات متنوعة في تعريض النماذج لمزيد من هذه المواقف، لكن جمع بيانات مفيدة على نطاق واسع يتطلب أيضًا متطلبات مهام واضحة وفحوصات جودة موثوقة. لهذا السبب أعتقد أن البنية التحتية خلف جمع البيانات في العالم الحقيقي تستحق مزيدًا من الاهتمام. @vangrid_io تعمل في مجال يمكن فيه ربط المساهمين في البيانات باحتياجات تدريب الذكاء الاصطناعي أن يكون مهمًا. هل تُعطي الأولوية لجمع حالات الحدود النادرة أم توسيع تغطية البيئات اليومية أولاً؟
Thats Goodمشاركة
المصدر:عرض النسخة الأصلية
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة قد حصلت عليها من أطراف ثالثة ولا تعكس بالضرورة وجهات نظر أو آراء KuCoin. يُقدّم هذا المحتوى لأغراض إعلامية عامة فقط ، دون أي تمثيل أو ضمان من أي نوع ، ولا يجوز تفسيره على أنه مشورة مالية أو استثمارية. لن تكون KuCoin مسؤولة عن أي أخطاء أو سهو ، أو عن أي نتائج ناتجة عن استخدام هذه المعلومات.
يمكن أن تكون الاستثمارات في الأصول الرقمية محفوفة بالمخاطر. يرجى تقييم مخاطر المنتج بعناية وتحملك للمخاطر بناء على ظروفك المالية الخاصة. لمزيد من المعلومات، يرجى الرجوع إلى شروط الاستخدام واخلاء المسؤولية.