Hvad stopper tidligt?
Tidlig stop er en teknik, der anvendes i kunstig intelligens (AI) eller andre computerindlæringsprogrammer, hvor undervisningen midlertidigt stopper i et forsøg på at forbedre score. Dette kan ske enten gennem en række moduler eller ved at afbryde en længere lektion flere gange. Et problem, der kan opstå ved ikke at bruge tidligt stop er, at AI husker information, men ikke lærer. Et andet muligt problem er, at AI fortsætter med at lære, men mister information fra andre områder. Dette er en almindelig funktion i de fleste AI-systemer, der opstår automatisk, men en tekniker er muligvis nødt til at programmere dette manuelt.
Mens de fleste AI-systemer kan lære af stimulering udefra eller gennem menneskelig interaktion, er en almindelig måde at undervise i disse systemer, før de er implementeret eller supplere læring, gennem uddannelsesapplikationer. Disse applikationer lærer ofte nye algoritmer eller nye måder at løse problemer på. Tidlig stop kan bruges på to måder: applikationen kan opdeles i moduler, og den stopper efter hvert modul, eller en lang lektion kan blive afbrudt af et stop.
Hvis der ikke bruges tidligt stop, kan AI have lave testresultater, hvilket viser, at det ikke lærer af den pædagogiske applikation. En måde dette manifesterer sig er gennem memorering. Efter en bestemt periode - dette adskiller sig fra hvert AI-system og undervisningssession - husker AI-systemet informationerne, men forstår dem ikke. Dette betyder, at lagrede oplysninger hurtigt kan droppes, så denne funktion stopper indlæringsprocessen og tvinger AI til at vise, hvad den har lært.
Det andet problem, der kan opstå uden tidligt stop er mere alvorligt. I modsætning til memorering forårsager dette problem hele AI'et, og det kan være vanskeligt at løse. I dette scenarie fortsætter AI-systemet med at lære af træning, men denne ekstra læring kommer på bekostning af andre hukommelsesområder. Det vil begynde at dumpe tidligere lagrede oplysninger for at give plads til ny træning. Tidlig stop forhindrer dette i at ske ved at lade AI justere sin hukommelse for bedre at gemme nye oplysninger.
Denne funktion bruges ofte automatisk til de fleste AI-systemer og træningsprogrammer. Hvis ikke, er en tekniker nødt til manuelt at køre et stop på et bestemt tidspunkt. Når AI viser nedsat testresultat, skal der straks stoppes, fordi der vises problemer efter dette punkt. Selvom der ikke er nogen alvorlige problemer med at stoppe tidligere end dette, kan det hindre indlæringen af processen.