Qiskitters เหล่านี้กำลังเริ่มต้นการศึกษาควอนตัมโอเพ่นซอร์สที่ไม่แสวงหาผลกำไร

Qiskitters เหล่านี้กำลังเริ่มต้นการศึกษาควอนตัมโอเพ่นซอร์สที่ไม่แสวงหาผลกำไร

เครดิตฟรี

เมื่อฉันพยายามสอบวิชาเอกฟิสิกส์ในระดับปริญญาตรีสาขาวิทยาการคอมพิวเตอร์ในฐานะน้องใหม่ที่มหาวิทยาลัยแคลิฟอร์เนีย ซานตาบาร์บารา (UCSB) ศาสตราจารย์บอกฉันว่าหลักสูตรนี้มีไว้สำหรับวิชาเอกเท่านั้น ดังนั้นฉันจึงต้องกลายเป็นฟิสิกส์อย่างหุนหันพลันแล่น วิชาเอก. ไม่นานฉันก็รู้ว่าไม่มีวิธีง่ายๆ สำหรับพวกเราหลายคนที่สนใจคอมพิวเตอร์ควอนตัมเพื่อให้ได้การศึกษาที่ตรงตามความต้องการที่เราต้องการ

สล็อต

วันนี้ ฉันกำลังทำงานร่วมกับผู้อื่นเพื่อสร้างพื้นที่เก็บข้อมูลและชุมชนการศึกษาควอนตัมแบบโอเพนซอร์สสำหรับผู้ที่ไม่มีสิทธิ์เข้าถึงคอมพิวเตอร์ควอนตัมหลักหรือทรัพยากรด้านการศึกษาที่โรงเรียนของตนเอง ด้วยความช่วยเหลือจาก Qiskitters นักพัฒนาควอนตัมคนอื่นๆ และกองทุนรวมกัน ผมแนะนำให้คุณตรวจสอบออกที่https://fullstackquantumcomputation.tech
ระหว่างการเดินทางส่วนตัวของฉัน ฉันรู้สึกว่าความรู้เกี่ยวกับคอมพิวเตอร์ควอนตัมของฉันมีอยู่ทั่วไป ฉันพยายามเรียนทุกหลักสูตรที่ทำได้ซึ่งจะทำให้ฉันเข้าใกล้การเป็นนักวิทยาศาสตร์คอมพิวเตอร์ควอนตัมมากขึ้น ตั้งแต่วิทยาการคอมพิวเตอร์ ฟิสิกส์ คณิตศาสตร์ ไปจนถึงวิชาเคมี ฉันกังวลว่าการติดตามหลักและประสบการณ์การวิจัยที่มาพร้อมกันจะทำให้ฉันหลุดพ้นจากคอมพิวเตอร์ควอนตัม ซึ่งฉันไม่สามารถทำเป็นเอกได้ สุดท้ายฉันก็เข้าฝึกงานในโครงการ Quantum Undergraduate Research ที่ IBM และโครงการ Princeton ( QURIP ) เมื่อฤดูร้อนที่แล้ว และเริ่มกำหนดเส้นทางของฉันเอง โดยดำเนินการสัมมนาที่นำโดยนักเรียน เพื่อสำรวจหัวข้อที่ฉันหวังว่าฉันจะได้เรียนรู้ในห้องเรียน
ฉันไม่คิดว่าปัญหานี้จะหมดไปในไม่ช้า จากประสบการณ์ของฉันและเพื่อนฝูง อาจต้องใช้เวลากว่าทศวรรษกว่าที่มหาวิทยาลัยของรัฐขนาดใหญ่ในสหรัฐอเมริกาจะพัฒนาโครงสร้างพื้นฐานเพื่อสอนคอมพิวเตอร์ควอนตัมในวงกว้าง เช่นเดียวกับพื้นที่เกิดใหม่ ต้องใช้เวลาในการจ้างคณาจารย์ ฝึกอบรมนักศึกษา พัฒนาหลักสูตรที่จำเป็นมาก และหลีกเลี่ยงอุปสรรคของระบบราชการ ยิ่งไปกว่านั้น ตามภาพรวมเชิงกลยุทธ์แห่งชาติของสหรัฐอเมริกาสำหรับวิทยาศาสตร์สารสนเทศควอนตัม “ระบบการศึกษาในปัจจุบันของอเมริกามักจะมุ่งเน้นไปที่เส้นทางที่แยกจากกัน ไม่ค่อยเน้นการศึกษาแบบข้ามสาขาวิชาที่เตรียมผู้สำเร็จการศึกษาสำหรับคำถามที่ทันสมัยและความท้าทายที่ซับซ้อน ซึ่งรวมถึง QIS อย่างเด่นชัด” นักเรียนควรทำอย่างไรเมื่อโครงสร้างพื้นฐานพัฒนาขึ้น
ลักษณะสหวิทยาการของคอมพิวเตอร์ควอนตัมทำให้การเรียนรู้เป็นความท้าทายที่ไม่เหมือนใคร นักเรียนทุกคนมีความต้องการที่แตกต่างกันเนื่องจากประสบการณ์ในการเขียนโปรแกรม กลศาสตร์ควอนตัม และหัวข้ออื่นๆ ที่แยกจากกัน นอกจากนี้ แม้แต่ผู้เชี่ยวชาญยังสามารถได้รับประโยชน์จากสื่อการเรียนรู้เบื้องต้น เนื่องจากผู้เชี่ยวชาญในสาขาย่อยต่างๆ เช่น นักทฤษฎีความซับซ้อนและนักวิทยาศาสตร์ด้านวัสดุ อาจมีปัญหาในการสื่อสารงานวิจัยให้กันและกัน ลักษณะสหวิทยาการของสาขานี้ต้องใช้วิธีการแบบเปิดและแบบสหวิทยาการในการเรียนรู้ ท้ายที่สุด การประดิษฐ์ สร้าง และขยายขนาดของคอมพิวเตอร์รูปแบบใหม่อย่างแท้จริงถือเป็นความท้าทายที่ไม่มีใครสามารถคาดหวังได้ด้วยตนเอง นั่นคือปริศนาขนาดยักษ์ที่ยังไม่แก้สำหรับมนุษยชาติ
ทุกวันนี้ นักศึกษาระดับปริญญาตรีกำลังพยายามหาวิธีแก้ไขปัญหาเฉพาะหน้าของตนเอง ตัวอย่างเช่น Jayanti Singh นักศึกษาระดับปริญญาตรีสาขาวิศวกรรมวิทยาการคอมพิวเตอร์จากอินเดีย เรียนคอมพิวเตอร์ควอนตัมด้วยตนเอง เพราะหลักสูตรดังกล่าวไม่ได้เปิดสอนในมหาวิทยาลัยของเธอ เพื่อถ่ายทอดความรู้เกี่ยวกับเทคโนโลยีให้กับชุมชนท้องถิ่น เธอกำลังทำงานเพื่อสร้างกลุ่มความรู้เกี่ยวกับคอมพิวเตอร์ควอนตัมที่ห้องพัฒนานักศึกษาของมหาวิทยาลัยสำหรับผู้เริ่มต้นที่ไม่เคยใช้งาน Quantum Computing มาก่อน ในขณะเดียวกัน Kevin Joven นักศึกษาวิศวกรรมอิเล็กทรอนิกส์จากโคลัมเบียได้ค้นพบว่าการคำนวณควอนตัมผสมผสานความสนใจที่เขาหลงใหลเกี่ยวกับคณิตศาสตร์ ฟิสิกส์ อิเล็กทรอนิกส์ และคอมพิวเตอร์ได้อย่างไร จากนั้นเขาก็แบ่งปันความฝันของเขาในการวิจัยควอนตัมคอมพิวติ้งกับที่ปรึกษาด้านการวิจัยของเขา ซึ่งสนับสนุนให้เขานำคอมพิวเตอร์ควอนตัมไปใช้กับการวิจัยในห้องปฏิบัติการโดยใช้อิมพีแดนซ์เอกซ์เรย์เพื่อตรวจหามะเร็งเต้านม Claudia Zendejas-Morales นักศึกษาระดับปริญญาตรีสาขาฟิสิกส์ BS (UNAM) และวิศวกรรมคอมพิวเตอร์ BE (UAEM) จากเม็กซิโก แบ่งปันในบล็อกโพสต์บนไซต์ของเราว่าเธอเรียนรู้การคำนวณควอนตัมทั้งหมดจากอินเทอร์เน็ตได้อย่างไร
โซลูชันการเข้าถึงแบบเปิดฟรีสำหรับการศึกษาควอนตัมเหมาะอย่างยิ่งสำหรับผู้ที่กำหนดเส้นทางของตนเอง เช่น Jayanti, Kevin และ Claudia สำหรับนักเรียนที่กำลังเรียนอยู่ในหลักสูตรอยู่แล้ว การเข้าถึงแบบเปิดจะเสริมเนื้อหาที่มีอยู่โดยช่วยเติมช่องว่างในความรู้เดิมของตน รวมทั้งให้นักเรียนได้สำรวจนอกเหนือจากหัวข้อของหลักสูตร สำหรับผู้ที่เรียนรู้ด้วยตนเอง จะมอบทรัพยากร คำแนะนำ และความมั่นใจในการเรียนรู้ตามความสนใจตามจังหวะของตนเอง สื่อการเรียนรู้ออนไลน์แบบเปิดที่เข้าถึงได้ยังเปิดโอกาสให้สร้างชุมชน การเรียนรู้ออนไลน์มักจะมาพร้อมกับชุมชนต่างๆ เพื่อช่วยให้กันและกันเข้าใจเมื่อเกิดปัญหา และแบ่งปันแหล่งข้อมูลการเรียนรู้ใหม่ๆ แก่กันและกัน ผู้ที่เรียนรู้สามารถเข้าใจวิธีช่วยเหลือผู้อื่นในการเริ่มต้นได้อย่างแท้จริง
แน่นอน การเรียนรู้ออนไลน์ฟรีเป็นโอกาสในการสร้างการศึกษาที่ครอบคลุมและเข้าถึงได้สำหรับผู้คนจากภูมิหลังที่ด้อยโอกาส ทำให้ทุกคนสามารถดำดิ่งลงไปในหัวข้อในสภาพแวดล้อมโดยไม่ต้องเสียค่าเล่าเรียนหรือวิจารณญาณ ในช่วงสามปีแรกหลังจากที่ฉันเรียนรู้การเขียนโปรแกรม ฉันไม่มีผู้ให้คำปรึกษา womxn หรือครูที่เป็นโปรแกรมเมอร์ (และตั้งแต่นั้นมา ได้สอนหลักสูตรการเขียนโปรแกรมระดับมัธยมต้นที่ฉันสังเกตเห็นว่าชั้นเรียนมักจะมีเด็กผู้หญิงไม่กี่คน) ฉันยืนยันว่าเป็นความรับผิดชอบของสังคมในการสร้างพื้นที่การเรียนรู้ที่เข้าถึงได้และเป็นมิตร โดยเฉพาะอย่างยิ่งในสาขาอย่างเช่น คอมพิวเตอร์ควอนตัม ซึ่งทั้งฟิสิกส์และคอมพิวเตอร์ต้องเผชิญกับการขาดแคลนตัวแทนจากกลุ่มคนชายขอบ ตามที่ศาสตราจารย์ Margaret Martonosi ที่ปรึกษาของฉันที่มหาวิทยาลัยพรินซ์ตันเขียนไว้ว่า “มีวิธีที่ดีกว่ามากขึ้นในการค้นหาการสนับสนุนจากระยะไกล เพื่อชดเชยความหลากหลายไม่เพียงพอในฐานภูมิลำเนาทางภูมิศาสตร์ของคุณ ประเด็นคือการค้นหาสาเหตุทั่วไปกับกลุ่มคนกว้างๆ เกี่ยวกับชุมชนที่รู้สึกว่ามีส่วนร่วมเป็นสิ่งสำคัญและสามารถให้รางวัลได้มากและไปไกลกว่าสถานะส่วนใหญ่/ชนกลุ่มน้อยที่มองเห็นได้ง่ายที่สุด”
ช่วงฤดูร้อนที่ผ่านมา พวกเราบางคนที่ Qiskitters ได้พบกันในช่องทางที่ไม่ลงรอยกันของ Qiskit Global Summer School ซึ่งเราตระหนักว่าเรากำลังทำงานในโครงการที่ยอดเยี่ยมมากมาย และรู้สึกตื่นเต้นที่จะแบ่งปันซึ่งกันและกันและอื่นๆ เรากำลังสร้างเว็บไซต์ที่https://fullstackquantumcomputation.techด้วยทุนสนับสนุนจากองค์กรไม่แสวงผลกำไรของUnitary Fundสำหรับใครก็ตามที่จะช่วยพัฒนาสื่อการเรียนรู้ควอนตัมแบบโอเพนซอร์สที่ขับเคลื่อนโดยชุมชนและเข้าถึงได้ในทุกด้านของสแต็กคอมพิวเตอร์ควอนตัม วิธีร่วมสมทบทุนดังภาพ! ไม่ว่าอายุหรือสถานที่ใดก็สามารถมีส่วนร่วมได้ ไม่ว่าจะเป็นแหล่งข้อมูลทางการศึกษาใหม่ที่ยังไม่ได้พัฒนาซึ่งคุณต้องการนำเสนอ หรือแหล่งข้อมูลทางการศึกษาที่สมบูรณ์ซึ่งไม่เคยเปิดเผยต่อสาธารณะทางออนไลน์มาก่อน อาจเป็นการเขียนบทความ บันทึกวิดีโอ วาดการ์ตูน เพิ่มการเขียนข้างสไลด์ให้เป็นทรัพยากรแบบสแตนด์อโลน สร้างบอร์ด/การ์ด/วิดีโอเกม บันทึกบรรยายแบบโอเพนซอร์ส อธิบายโครงการเขียนโปรแกรม ทรัพยากร ในด้านวิชาชีพของการเป็นนักวิจัยควอนตัม หรือแนวคิดอื่นๆ ที่คุณอาจมี
คลังเก็บสื่อการเรียนรู้โอเพนซอร์ซที่รวบรวมไว้ของเราเพิ่มขึ้นเรื่อยๆ รวมถึงการแนะนำการเข้ารหัสหลังควอนตัมโดย Rodrigo Pires Ferreira จากบราซิลเกมควอนตัม QonnectFour ที่สร้างโดย Praveen Jayakumar จากอินเดีย การบรรยายเกี่ยวกับเกตสองคิวบิตที่ใช้งานทั่วไปสำหรับ qubits ตัวนำยิ่งยวดโดยราหุล และ Sagnik จากอินเดีย และบทแนะนำการเขียนโปรแกรมควอนตัมเบื้องต้นและการ์ตูนแมวที่แนะนำสัญลักษณ์ bra-ket และช่องว่างของ Hilbert โดย Alberto Maldonado Romo จากเม็กซิโก นอกจากนี้เรายังมีโพสต์ที่ให้ความรู้เกี่ยวกับโครงการต่างๆ จากผู้ร่วมให้ข้อมูล เช่น ตัวสร้างตัวเลขสุ่มควอนตัมที่สร้างขึ้นระหว่างQiskit Hackathon Global

สล็อตออนไลน์

ยินดีต้อนรับทุกคนสู่เซิร์ฟเวอร์ Discord ของเราสำหรับผู้ที่สนใจในการศึกษาควอนตัมสากลเพื่อเป็นพื้นที่สำหรับถามคำถาม พบปะกับผู้อื่นทางอิเล็กทรอนิกส์ และเข้าร่วมเวิร์กช็อปสดของเราและชมรมวารสารสำหรับผู้เริ่มต้นใช้งาน ลิงค์เข้าร่วมhttps://discord.gg/NDm9e9W
Lia Yeh เป็นผู้สนับสนุน Qiskit ท่ามกลางการศึกษา DPhil วิทยาการคอมพิวเตอร์ของเธอในกลุ่ม Quantum ที่ University of Oxford เธอหลงใหลเกี่ยวกับการศึกษาและการขยายงานของ STEM มาก เธอร่วมก่อตั้งWomxnHacksซึ่งเป็นงานแฮ็กกาธอนช่วงสุดสัปดาห์ประจำปีสำหรับนักศึกษาวิทยาลัยประมาณ 200 คนที่เป็นผู้หญิงและไม่เกี่ยวกับเพศในทุกระดับของประสบการณ์การเขียนโปรแกรม และขณะนี้การสร้างและดูแลจัดการการขับเคลื่อนชุมชนเปิดแหล่งที่มาควอนตัมวิทยาศาตร์ + การเรียนรู้ทรัพยากรคอมพิวเตอร์ที่https://fullstackquantumcomputation.tech
โครงการนี้เริ่มต้นจากความพยายามที่จะตรวจสอบสถานะยาของผู้ป่วยโรคพาร์กินสัน การได้รับการบำบัดแบบใหม่ที่ได้รับการอนุมัติต้องระบุจำนวนว่าผู้เข้ารับการบำบัดเป็นอย่างไรในส่วนที่เกี่ยวข้องกับการควบคุม คนส่วนใหญ่ที่เป็นโรคพาร์กินสันมีอายุมากขึ้น ซึ่งเป็นกลุ่มอายุที่มีผิวเปราะบางและเปราะบางมากขึ้น
ประกอบด้วยผิวหนัง เล็บ และผม ระบบผิวหนังครอบคลุมร่างกายส่วนใหญ่ของเรา จุดประสงค์หลักคือเพื่อปกป้องส่วนประกอบภายในของเราจากเชื้อโรค สารพิษ รังสีอัลตราไวโอเลต การคายน้ำ และการเปลี่ยนแปลงของอุณหภูมิ นอกจากนี้ยังมีโครงสร้างสำหรับตัวรับความรู้สึกของระบบรับความรู้สึกทางกายของเซลล์ประสาททั่วร่างกายของเรา
วิธีหนึ่งในการวัดความก้าวหน้าของโรคคือการติดเซ็นเซอร์บนผิวหนังเพื่อจับภาพสิ่งต่างๆ เช่น การเคลื่อนไหว สุขภาพของกล้ามเนื้อและเซลล์ประสาท หรือการเปลี่ยนแปลงในกิจกรรมของต่อมเหงื่อ ซึ่งสามารถสะท้อนความรุนแรงของสภาวะทางอารมณ์ของบุคคลได้ แต่สำหรับผู้ป่วยสูงอายุ เซ็นเซอร์ตามผิวหนังมักก่อให้เกิดปัญหา ซึ่งรวมถึงการติดเชื้อ
นี่คือจุดที่ศักยภาพของเซ็นเซอร์เล็บเข้ามาเล่น เราโต้ตอบกับวัตถุต่างๆ ตลอดทั้งวันโดยใช้มือของเรา เช่น การสัมผัสกับแรงกด อุณหภูมิ พื้นผิว และอื่นๆ ทีมของเราตระหนักดีว่าอาจเป็นไปได้ที่จะได้รับสัญญาณที่น่าสนใจจากการที่เล็บงอตลอดทั้งวัน เนื่องจากเราใช้นิ้วของเราในการโต้ตอบกับสภาพแวดล้อมของเรา และใช้ประโยชน์จากพลังของ AI และการเรียนรู้ของเครื่องเพื่อวิเคราะห์และรับข้อมูลเชิงลึกอันมีค่า จากข้อมูลนั้น
หน้าที่อย่างหนึ่งของเล็บมือมนุษย์คือการเน้นเนื้อของปลายนิ้วบนวัตถุที่กำลังจัดการ ปรากฎว่าเล็บของเราเสียรูป – งอและขยับ – ในลักษณะที่เป็นรูปเป็นร่างเมื่อเราใช้มันเพื่อจับ จับ หรือแม้แต่งอและยืดนิ้วของเรา การเสียรูปนี้มักจะเรียงลำดับของไมครอนหลักเดียวและมองไม่เห็นด้วยตาเปล่า อย่างไรก็ตาม สามารถตรวจจับได้อย่างง่ายดายด้วยเซ็นเซอร์แบบสเตรนเกจ ตามบริบทแล้ว เส้นผมของมนุษย์โดยทั่วไปจะมีขนาดระหว่าง 50 ถึง 100 ไมครอน และเซลล์เม็ดเลือดแดงมักจะมีขนาดน้อยกว่า 10 ไมครอน
[NPC4]เนื่องจากเล็บมีความแข็งมาก เราจึงตัดสินใจติดระบบเซ็นเซอร์ไว้ที่เล็บมือโดยไม่ต้องกังวลเกี่ยวกับปัญหาใดๆ ที่เกี่ยวข้องกับการติดที่ผิวหนัง การทดลองไดนาโมมิเตอร์ของเราแสดงให้เห็นว่าเราสามารถดึงสัญญาณที่สม่ำเสมอเพียงพอจากเล็บเพื่อให้การคาดการณ์แรงยึดเกาะที่ดีในประเภทการยึดจับที่หลากหลาย
นอกจากนี้เรายังพบว่ามีความเป็นไปได้ที่จะเปลี่ยนแปลงการเคลื่อนไหวของนิ้วที่ละเอียดอ่อนจากการเสียรูปของเล็บ เราสามารถแยกแยะกิจกรรมประจำวันทั่วไปซึ่งทั้งหมดเกี่ยวข้องกับการเอียงและการเอียง เช่น การหมุนกุญแจ การเปิดลูกบิดประตู หรือใช้ไขควง กิจกรรมที่ละเอียดอ่อนยิ่งขึ้นไปอีกคือการเขียนด้วยนิ้ว และเราฝึกโครงข่ายประสาทเทียมเพื่อสร้างความแม่นยำที่ดีมาก (.94) ในการตรวจจับตัวเลขที่เขียนด้วยนิ้วที่สวมเซ็นเซอร์
ระบบของเราประกอบด้วยสเตรนเกจที่ติดอยู่กับเล็บมือและคอมพิวเตอร์ขนาดเล็กที่สุ่มตัวอย่างค่าความเครียด รวบรวมข้อมูลมาตรความเร่ง และสื่อสารกับสมาร์ทวอทช์ นาฬิกายังใช้โมเดลแมชชีนเลิร์นนิงเพื่อประเมิน bradykinesia, แรงสั่นสะเทือน และ dyskinesia ซึ่งเป็นอาการของโรคพาร์กินสันทั้งหมด
เมื่อใช้การคำนวณจนถึงปลายนิ้ว เราพบการใช้เล็บแบบใหม่โดยการตรวจจับและกำหนดลักษณะการเคลื่อนไหวที่ละเอียดอ่อนของเล็บ ด้วยเซ็นเซอร์ เราสามารถรับข้อมูลเชิงลึกเกี่ยวกับสถานะสุขภาพและเปิดใช้งานอินเทอร์เฟซผู้ใช้รูปแบบใหม่ได้ ผลงานนี้ยังทำหน้าที่เป็นแรงบันดาลใจให้กับอุปกรณ์ใหม่ที่สร้างขึ้นจากโครงสร้างของปลายนิ้ว ซึ่งสักวันหนึ่งอาจช่วยให้คนอัมพาตขาสามารถสื่อสารได้
การสร้างแบบจำลองโครงข่ายประสาทเทียมสำหรับชุดข้อมูลใหม่แต่ละชุดเป็นฝันร้ายที่สุดสำหรับนักวิทยาศาสตร์ข้อมูลทุกคน จะเกิดอะไรขึ้นถ้าคุณสามารถคาดการณ์ความถูกต้องของโครงข่ายประสาทเทียมได้เร็วกว่านี้ด้วยประสบการณ์และการประมาณการณ์ที่สั่งสมมา นี่คือเป้าหมายของโครงการล่าสุดที่ IBM Research และผลลัพธ์คือTAPASหรือ Train-less Accuracy Predictor for Architecture Search ( คลิกเพื่อดูการสาธิต ) เคล็ดลับคือสามารถประมาณประสิทธิภาพการจัดหมวดหมู่สำหรับชุดข้อมูลอินพุตที่มองไม่เห็นในเสี้ยววินาที โดยไม่ต้องฝึกอบรมสำหรับการจัดประเภทรูปภาพและข้อความ
ตรงกันข้ามกับแนวทางที่เสนอก่อนหน้านี้ TAPAS ไม่เพียงแต่ปรับเทียบข้อมูลเครือข่ายทอพอโลยีเท่านั้น แต่ยังรวมถึงการกำหนดลักษณะของความยากของชุดข้อมูลด้วย ซึ่งช่วยให้เราปรับการคาดการณ์ใหม่โดยไม่ต้องมีการฝึกอบรมใดๆ
งานนี้ท้าทายเป็นพิเศษเนื่องจากชุดข้อมูลที่ต่างกันสำหรับการฝึกอบรมโครงข่ายประสาทเทียม พวกเขาสามารถมีคลาส โครงสร้าง และขนาดที่แตกต่างกันโดยสิ้นเชิง เพิ่มความซับซ้อนของการประมาณ เมื่อเพื่อนร่วมงานและฉันคิดว่าจะแก้ปัญหานี้อย่างไร เราพยายามจะไม่มองว่านี่เป็นปัญหาสำหรับคอมพิวเตอร์ แต่กลับคิดว่ามนุษย์จะคาดการณ์ความถูกต้องได้อย่างไร
เราเข้าใจดีว่าถ้าคุณถามคนที่มีความรู้ลึกๆ ว่าเครือข่ายจะดีหรือไม่ดี บุคคลนั้นย่อมมีสัญชาตญาณในเรื่องนี้ ตัวอย่างเช่น เราจะรับรู้ว่าชั้นสองประเภทไม่ผสมกัน หรือหลังจากชั้นประเภทหนึ่ง จะมีชั้นอื่นที่ติดตามและปรับปรุงความแม่นยำอยู่เสมอ ดังนั้นเราจึงพิจารณาว่าการเพิ่มคุณสมบัติที่คล้ายกับสัญชาตญาณของมนุษย์ลงในคอมพิวเตอร์จะช่วยให้ทำงานได้ดียิ่งขึ้นหรือไม่ และเราถูกต้อง
เราทดสอบ TAPAS กับชุดข้อมูลสองชุดที่ดำเนินการใน 400 วินาทีบน GPU ตัวเดียว และเครือข่ายที่ค้นพบที่ดีที่สุดของเรามีความแม่นยำถึง 93.67% สำหรับ CIFAR-10 และ 81.01% สำหรับ CIFAR-100 ซึ่งได้รับการยืนยันโดยการฝึกอบรม เครือข่ายเหล่านี้สามารถแข่งขันกับเครือข่ายที่ล้ำสมัยอื่น ๆ ที่ค้นพบโดยอัตโนมัติ แต่ต้องใช้เวลาเพียงเล็กน้อยในการแก้ปัญหาและทรัพยากรทางคอมพิวเตอร์ ตัวทำนายของเราบรรลุประสิทธิภาพที่เกิน 100 เครือข่ายต่อวินาทีบน GPU ตัวเดียว จึงสร้างโอกาสในการดำเนินการค้นหาสถาปัตยกรรมขนาดใหญ่ภายในไม่กี่นาที เราเชื่อว่านี่เป็นเครื่องมือแรกที่สามารถทำการคาดการณ์ตามข้อมูลที่มองไม่เห็นได้
TAPAS เป็นหนึ่งในกลไก AI ในความสามารถที่ก้าวล้ำใหม่ของ IBM ที่เรียกว่าNeuNetSซึ่งเป็นส่วนหนึ่งของIBM Watson Studioและสามารถสังเคราะห์โครงข่ายประสาทเทียมแบบกำหนดเองทั้งในโดเมนข้อความและรูปภาพ
[NPC5]ใน NeuNetS ผู้ใช้จะอัปโหลดข้อมูลของตนไปยัง IBM Cloud จากนั้น TAPAS สามารถวิเคราะห์ข้อมูลและให้คะแนนในระดับ 0-1 ในแง่ของความซับซ้อนของงาน 0 หมายถึงยากและ 1 หมายถึงง่าย TAPAS ถัดไปเริ่มรวบรวมความรู้จากไลบรารีอ้างอิงเพื่อค้นหาชุดข้อมูลที่คล้ายกันตามสิ่งที่ผู้ใช้อัปโหลด จากข้อมูลนี้ TAPAS สามารถคาดการณ์ได้อย่างแม่นยำว่าเครือข่ายใหม่จะทำงานบนชุดข้อมูลใหม่อย่างไร คล้ายกับที่มนุษย์จะกำหนดได้
ความต้องการทักษะด้านวิทยาศาสตร์ข้อมูลในปัจจุบันมีมากกว่าอุปทานในปัจจุบัน กลายเป็นอุปสรรคสำคัญในการนำ AI ไปใช้ในอุตสาหกรรมและสังคม ทาปาสเป็นก้าวสำคัญในการรื้อถอนกำแพงนี้ IBM และ Zurich Research Laboratory กำลังทำงานเพื่อทำให้เทคโนโลยี AI ใช้งานง่าย เพียงแค่คลิกเมาส์เพียงไม่กี่ครั้ง ซึ่งจะทำให้ผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญสามารถสร้างและปรับใช้โมเดล AI ได้ในเวลาเพียงเสี้ยวเดียวในปัจจุบัน และไม่สูญเสียความแม่นยำไป นอกจากนี้ เครื่องมือเหล่านี้จะค่อยๆ เรียนรู้การใช้งานในโดเมนเฉพาะ และปรับปรุงโดยอัตโนมัติเมื่อเวลาผ่านไป ดีขึ้นเรื่อยๆ