Når "dårlige" data blir sugd inn i et maskinlæringssystem - det er hvordan Alan Greenspan satte det når vi diskuterte datamodellene som ikke klarte å forutsi 2008-resesjonen. Denne informasjonen kan være vanskelig å løsrive. Men et nytt konsept, foreslått av datavitenskapsmenn Junfeng Yang og Yinzhi Cao, fra Columbia University og Lehigh University, hhv. Bringer ideen om unlearning til datamaskiner. Som Cao og Yang skriver i abstrakt publisert for IEEE Xplore-konferansen i 2015, trenger du ikke å gå helt tilbake til firkanten, en å glemme:
For å glemme en treningsprøve, oppdaterer vår tilnærming bare et lite antall summer - asymptotisk raskere enn omskoling fra grunnen av. Vår tilnærming er generell fordi summeringsskjemaet er fra den statistiske spørreundersøkelsen der mange maskinlæringsalgoritmer kan implementeres. Vår tilnærming gjelder også for alle stadier av maskinlæring, inkludert funksjonsvalg og modellering. Vår vurdering, på fire ulike læringssystemer og virkelige arbeidsbelastninger, viser at vår tilnærming er generell, effektiv, rask og enkel å bruke.
Konseptet med maskinlæring hviler på et fundament bygget av høyder og høyder av informasjon. Det kan være nyttig å undervise roboter eller kunstig intelligens for å gjøre visse sammenhenger - for eksempel hvis en person i et tungt lag har en økse, kan han eller hun være en brannmann. Men i disse treningsøktene kan feilaktige forbindelser oppstå, basert på datasettet. Roboten din tror kanskje at alle brannmenn har skjegg. Dette er åpenbart noe du vil ha en datamaskin til unthink.
Cao og Yang baserer denne ideen om robotic informasjonsfrigjøring på begrepet datalinje - dataene blir ikke fullstendig formet i verden, men har en sporbar historie som de rå dataene behandles, notater Kurzweil A.I. Å utnytte denne linjen tillater maskiner å utlevere utvalgte deler av data uten å helt tørke ut utdanningen.
Opphold på dårlige beslutninger kan føre til flere dårlige avgjørelser

Er vi dømt til å gjenta fortiden? Nei. Ingenting er uunngåelig. Likevel eksisterer mønstre og de forteller en helt annen historie fra den vi kanskje vil fortelle oss selv. Går imot alt vi noensinne har lært av ungdomsfilmer, foreslår ny forskning i Journal of Consumer Psychology at tilbakekalling av tidligere feil ...
Hvis du tror at våpen vil hjelpe deg å slutte å røyke, har forskere dårlige nyheter

Mens noen studier tyder på at bruk av nikotinprodukter som e-sigaretter kan hjelpe folk til å slutte å røyke, er det omtrent så mange som viser at de har liten eller ingen effekt på om noen slutter å røyke. Et nytt papir viser at elektroniske nikotinleveringssystemer ikke kan hjelpe røykere til å slutte.
Vitenskapen om hundens følelser: Hvorfor mennesker er dårlige på å lese sine kjæledyr

Hvis du er en kjæledyrseier, vet du alltid når hunden din er glad eller elendig på grunn av menneskers nærhet med husdyr. Hunder er flotte på å lese mennesker, men hvorfor får folk så ofte sin hunds kroppsspråk feil? Forskere veier inn