Apple Paper propone un desaprendizaje automático más económico al omitir datos de baja influencia
Un artículo de Apple Machine Learning Research sostiene que no todos los puntos de datos en una solicitud de eliminación necesitan una eliminación activa. Utilizando funciones de influencia en tareas de lenguaje y visión, los autores dicen que los ejemplos de baja influencia se pueden eliminar del conjunto de olvido, reduciendo el cómputo de desaprendizaje hasta aproximadamente un 50 por ciento.
leer historia Fuente verificada: machinelearning.apple.com
