エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
NTT【世界初】AIモデルの再学習に有効な「学習転移」を発表 「tsuzumi」など大規模基盤モデルの更新時に過去の学習過程を再利用 - ロボスタ ロボスタ - ロボット情報WEBマガジン
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
NTT【世界初】AIモデルの再学習に有効な「学習転移」を発表 「tsuzumi」など大規模基盤モデルの更新時に過去の学習過程を再利用 - ロボスタ ロボスタ - ロボット情報WEBマガジン
日本電信電話株式会社(NTT)は、深層学習において過去の学習過程をモデル間で再利用する全く新たな仕組み... 日本電信電話株式会社(NTT)は、深層学習において過去の学習過程をモデル間で再利用する全く新たな仕組みとして「学習転移」技術を実現した。 基盤のAIモデル(下図の赤文字A)に対して追加学習(チューニング)や転移学習を行って(下図のB)、カスタマイズしたAIモデルを生成した場合(C)、後日、基盤のAIモデルに変更やアップデートが行われた際(D)、従来は最新の基盤モデル(E)に対して再度、追加学習(チューニング)や転移学習を行って(F)、カスタマイズしたAIモデルを生成し直す(G)必要があった。この作業を効率化し、コストを削減することが、今回の技術の目的となる。 今回発表の技術を活用すると、ニューラルネットワークのパラメータ空間における高い対称性を活用して、「過去の学習過程のパラメータ列を適切に変換」することによって、新たなモデルの学習結果を短時間・低コストで求めることができる、というもの。