ИИ учили узнавать орнамент по книге 1857 года — и маленький, но точный набор данных обошёл гигантский

Архитектурные и дизайнерские архивы хранят экспертное человеческое знание в графической форме — и это отдельный, непохожий на обычные фотографии вызов для машинного обучения. Исследователи собрали датасет JONES-19 на основе книги «Грамматика орнамента» (Лондон, 1857) — систематизированного атласа декоративных мотивов разных культур и эпох — и проверили на нём два способа обучения нейросети.

Первый способ — предобучение на огромном общем наборе фотографий ImageNet (даёт модели общее «визуальное чутьё», прежде чем она видит специфику задачи). Второй — обучение с нуля исключительно на самом JONES-19, без общего фундамента вовсе. Результат: предобучение на общих данных действительно помогает, но не является обязательным условием — модель, обученная только на узком, но качественно подобранном наборе орнаментов, с продуманной аугментацией (искусственным умножением обучающих примеров через обрезку и повороты) показывает сравнимый результат.

Вывод шире одного эксперимента: для узкоспециализированных, «экспертных» данных вроде архитектурных архивов маленький, но тщательно отобранный набор может конкурировать с гигантскими общими коллекциями. Это спорит с расхожим мнением, что для качественного ИИ обязательно нужны огромные объёмы данных — иногда важнее их специфичность, а не количество.

Текст подготовлен ИИ по материалу первоисточника.