May 20, 2020 14:51
4 yrs ago
14 viewers *
German term
Ergebnisse ausreichend zu abstrahieren
German to Russian
Tech/Engineering
Computers (general)
Доброго времени суток.
Я перевожу англ. версию книги об использовании ИИ в маркетинге.
Изначально книга была написана на немецком, а потом переведена на англ.
So ist bis heute keine Repräsentation bekannt, die es Maschinen ermöglicht, die Ergebnisse ausreichend zu abstrahieren***, um Erlerntes außerhalb des Trainingskontexts anzuwenden. Bisher abstrahieren Netze nur sehr oberflächlich. Beispielsweise erkennt ein speziell trainiertes Netz Tiere in einem Bild aufgrund hoher Vegetation im Hinter- grund – egal, ob ein Tier tatsächlich im Bild ist oder nicht. Das führt logischerweise zu vielen falsch-positiven Ergebnissen. Konzeptlernen, worin wir Menschen seit Geburt wahre Meister sind, ist für Maschinen ein großes Problem.
There is thus no known representation known to date that enables machines to sufficiently ***extract the results*** to apply what has been learned outside the training context. Until now, networks only abstract very superficially. For example, a specially trained network recognises animals in an image due to the high vegetation in the background—irrespective of whether there actually is an animal in the image or not. That logically leads to many false positive results. Concept learning, in which we humans are true masters from birth, is a huge problem for machines.
У меня такое ощущение, что extract - не совсем точный перевод для abstrahieren.
Спасибо.
Я перевожу англ. версию книги об использовании ИИ в маркетинге.
Изначально книга была написана на немецком, а потом переведена на англ.
So ist bis heute keine Repräsentation bekannt, die es Maschinen ermöglicht, die Ergebnisse ausreichend zu abstrahieren***, um Erlerntes außerhalb des Trainingskontexts anzuwenden. Bisher abstrahieren Netze nur sehr oberflächlich. Beispielsweise erkennt ein speziell trainiertes Netz Tiere in einem Bild aufgrund hoher Vegetation im Hinter- grund – egal, ob ein Tier tatsächlich im Bild ist oder nicht. Das führt logischerweise zu vielen falsch-positiven Ergebnissen. Konzeptlernen, worin wir Menschen seit Geburt wahre Meister sind, ist für Maschinen ein großes Problem.
There is thus no known representation known to date that enables machines to sufficiently ***extract the results*** to apply what has been learned outside the training context. Until now, networks only abstract very superficially. For example, a specially trained network recognises animals in an image due to the high vegetation in the background—irrespective of whether there actually is an animal in the image or not. That logically leads to many false positive results. Concept learning, in which we humans are true masters from birth, is a huge problem for machines.
У меня такое ощущение, что extract - не совсем точный перевод для abstrahieren.
Спасибо.
Proposed translations
+1
6 mins
Selected
обобщать
Да, английский вариант не совсем правильный.
--------------------------------------------------
Note added at 7 mins (2020-05-20 14:58:31 GMT)
--------------------------------------------------
Имеется в виду обобщение результатов, а extract the results - это не то.
--------------------------------------------------
Note added at 7 mins (2020-05-20 14:58:31 GMT)
--------------------------------------------------
Имеется в виду обобщение результатов, а extract the results - это не то.
4 KudoZ points awarded for this answer.
Comment: "Спасибо, Юрий!"
Something went wrong...