Makine öğrenmesi alanında önemli bir adım atılırken, araştırmacılar yapay zeka modellerinin hangi verilere odaklanması gerektiğini otomatik olarak belirleyen AutoNFS sistemini geliştirdi.
Özellik seçimi, özellikle büyük veri setlerinde kritik bir zorluk teşkil ediyor. Mevcut yöntemler genellikle bir görev için kaç tane özelliğin gerekli olduğunu otomatik olarak tespit edemiyor ve sürekli kullanıcı müdahalesi gerektiriyor. Ayrıca bu yöntemler ya özellikler arasındaki ilişkileri ihmal ediyor ya da optimizasyon için çok fazla zaman harcıyor.
AutoNFS, bu sorunları Gumbel-Sigmoid örnekleme tekniğine dayalı bir özellik seçimi modülü ile çözüyor. Sistem, seçilen özelliklerin önemini değerlendiren bir tahmin modeli ile birleşiyor ve uçtan uca eğitim yoluyla belirli bir görev için gerekli minimal özellik setini otomatik olarak belirliyor.
Geleneksel sarmalayıcı tipi yaklaşımların aksine, AutoNFS düşük ve öngörülebilir bir eğitim maliyeti sunuyor. Bu özellik, sistemin pratik uygulamalarda daha verimli kullanılmasını sağlıyor.
Bu gelişme, yapay zeka modellerinin hem daha hızlı çalışmasını hem de sonuçlarının daha kolay anlaşılmasını mümkün kılabilir.