Vad är tidigt stopp?

Tidigt stopp är en teknik som används i artificiell intelligens (AI) eller andra datorinlärningsprogram där undervisningen tillfälligt slutar i ett försök att förbättra poäng. Detta kan göras antingen genom en serie moduler eller genom att avbryta en längre lektion flera gånger. Ett problem som kan uppstå genom att inte använda tidig stopp är att AI memorerar information men inte lär sig. Ett annat möjligt problem är att AI fortsätter att lära sig men förlorar information från andra områden. Detta är en vanlig funktion i de flesta AI-system som inträffar automatiskt, men en tekniker kan behöva programmera detta manuellt.

Medan de flesta AI-system kan lära sig från yttre stimulering eller genom mänsklig interaktion, är ett vanligt sätt att lära ut dessa system innan de distribueras eller komplettera lärande genom utbildningsapplikationer. Dessa applikationer lär ofta nya algoritmer eller nya sätt att lösa problem. Tidig stopp kan användas på två sätt: applikationen kan delas upp i moduler och den stannar efter varje modul, eller en lång lektion kan avbrytas av ett stopp.

Om tidig stopp inte används kan AI drabbas av låga testresultat, vilket visar att det inte lär sig av utbildningsapplikationen. Ett sätt detta manifesterar sig är genom memorering. Efter en viss period - detta skiljer sig åt varje AI-system och undervisningssession - memorerar AI-systemet informationen men förstår inte den. Detta innebär att memoriserad information snabbt kan släppas, så att denna funktion stoppar inlärningsprocessen och tvingar AI att visa vad den har lärt sig.

Det andra problemet som kan uppstå utan tidigt stopp är mer allvarligt. Till skillnad från memorering, orsakar detta problem hela AI: s lidande och kan vara svårt att fixa. I det här scenariot kommer AI-systemet att fortsätta lära av utbildning, men detta extra lärande kommer på bekostnad av andra minnesområden. Det kommer att börja dumpa tidigare lagrad information för att ge plats för ny utbildning. Tidig stoppning hindrar detta från att låta AI justera sitt minne för att bättre lagra ny information.

Denna funktion används ofta automatiskt med de flesta AI-system och träningsprogram. Om inte, måste en tekniker manuellt köra stopp vid en viss punkt. När AI visar minskade testresultat bör ett stopp göras omedelbart, eftersom problem kommer att dyka upp efter denna punkt. Det finns inga allvarliga problem med att stoppa tidigare än detta, men det kan hindra inlärning av processen.