El cerebro no aprende con menos datos, solo aprende de forma incremental.
El campo que está buscando es el aprendizaje por transferencia.
Cuando haya aprendido a identificar los detalles de miles de caras, tendrá un marco rico para descomponer caras. Entonces es fácil discriminar entre dos caras y memorizar un nombre asociado con una cara específica.
- ¿Por qué el aprendizaje profundo funciona tan bien en el mundo real?
- ¿Cómo hace Google "mejores conjeturas" en los resultados de búsqueda?
- ¿Cuáles son los objetivos futuros para la IA?
- Después de terminar el curso de aprendizaje automático en Coursera. ¿Qué tengo que hacer? ¿Curso de inteligencia artificial sobre edx o tutoriales de aprendizaje profundo?
- ¿Qué 5 trabajos muy específicos serán asumidos en último lugar por la inteligencia artificial?
Las personas de razas con las que generalmente no te encuentras se ven todas iguales, ya que no tienes la lista subyacente de rasgos faciales para discriminar adecuadamente entre dos caras.
Se necesita mucho tiempo para aprender a discriminar con precisión las caras de un nuevo grupo racial y asociar el nombre de un individuo con una cara.
Luego, una vez que haya creado una lista de rasgos faciales, ver una cara una vez es suficiente para reconocerla más tarde.
Además, la visión humana funciona con entrada de video, con grandes cantidades de datos con ligeras variaciones en el ángulo y la iluminación. Tenemos bastantes datos de entrada. Además de esto, hay un intercambio masivo de conceptos, toda visión utiliza los mismos bloques de construcción de bajo nivel, solo los conceptos de alto nivel son diferentes entre mirar gatos y plátanos. Saber ignorar el ruido de las sombras es algo compartido para toda visión.
Por lo general, en el aprendizaje automático comenzamos desde cero, tenemos que aprender los conceptos básicos de la visión cada vez. Sin embargo, esto está cambiando a medida que encontramos más y más modelos entrenados disponibles en línea.