A.I. Gali prisiminti, bet jūs vis dar susmulkinsite magija: rinkimas

Neuriniai tinklai yra svarbiausi A.I. ir, pasak Elono Musko, visos žmonijos ateitis. Laimei, „Google“ „DeepMind“ tik sukrėtė kodą, kad neuronų tinklai taptų daug protingesni, suteikdami jiems vidinę atmintį.

Atliktas tyrimas Gamta Spalio 12 d. „DeepMind“ parodė, kaip galima sujungti neuroninius tinklus ir atminties sistemas, kad sukurtų mašinų mokymąsi, kuris ne tik saugo žinias, bet ir greitai naudoja jį prie priežasčių, pagrįstų aplinkybėmis. Vienas iš didžiausių su A.I. jis jį atsimena. Atrodo, kad mes esame vienas žingsnis arčiau šio tikslo.

Skambinti diferencijuotais neuroniniais kompiuteriais (DNC), sustiprinti nerviniai tinklai veikia kaip kompiuteris. Kompiuteris turi procesorių užduotims atlikti (neuroniniam tinklui), tačiau tam reikia atminties sistemos, kad procesorius atliktų algoritmus iš skirtingų duomenų taškų (DNC).

Prieš „DeepMind“ naujoves, neuroniniai tinklai turėjo pasikliauti išorine atmintimi, kad netrukdytų tinklo neuronų veiklai.

Be išorinės atminties, neuroniniai tinklai gali tik pagrįsti sprendimą, pagrįstą žinoma informacija. Kad jie taptų tikslesni, jiems reikia milžiniškų duomenų ir praktikos. Kaip ir žmogus, mokantis naują kalbą, iš tikrųjų reikia laiko, kad neuronų tinklai taptų protingi. Dėl tos pačios priežasties „DeepMind“ nervų tinklas yra puikus „Go“, bet baisu strateginiame žaidime „Magic“: „Neural network“ tiesiog negali apdoroti pakankamai kintamųjų be atminties.

Atmintis leidžia neuroniniams tinklams įtraukti kintamuosius ir greitai analizuoti duomenis, kad būtų galima pavaizduoti kažką sudėtingo Londono metro ir padaryti išvadas remiantis konkrečiais duomenų taškais. „DeepMind“ tyrime nustatyta, kad DNC gali pats mokytis atsakydamas į klausimus apie greičiausias maršrutus tarp paskirties vietų ir kokiu tikslu kelionė baigsis tiesiog naudojant naujai pristatytą grafiką ir kitų transporto sistemų žinias. Jis taip pat galėtų nustatyti santykius iš šeimos medžio be jokios pateiktos informacijos, išskyrus medį. DNC sugebėjo užbaigti tikslą tam tikra užduotimi, neperdavęs papildomų duomenų taškų, kurie būtų reikalingi tradiciniam neuroniniam tinklui.

Nors tai gali atrodyti neįtikėtinai įspūdinga („Google“ žemėlapiai jau yra gana gerai apskaičiuojant efektyviausią maršrutą kažkur), ši technologija yra didžiulis žingsnis A.I. Jei manote, kad nuspėjamoji paieška yra efektyvi (arba baisu), įsivaizduokite, kaip gerai ji gali būti su neuronų tinklo atmintimi. Ieškodami „Facebook“ dėl vardo „Ben“, jis žinos, kad jūs tik buvote abipusio draugo puslapyje ir pažvelgėte į jo vaizdą, kad jūs galvojate apie Ben nuo gatvės, o ne Ben nuo pradinės mokyklos.

Gamtos kalbos mokymas A.I. pagaliau turės pakankamai konteksto, kad galėtų dirbti tiek kalbomis, tiek. t „Wall Street Journal“ ir sugebėti suprasti „Black Twitter“. Siri galėjo suprasti, kad „Pepe“ varlė yra daugiau nei tik komiksų simbolis, nes ji skaito kiekvieną Inversinis straipsnį apie tai.

„Labiausiai sužavėtas tinklo sugebėjimas išmokti„ algoritmus “iš pavyzdžių“, - sakė Brendeno ežeras, pažintinis mokslininkas Niujorko universitete. Technologijų apžvalga. „Algoritmai, tokie kaip rūšiavimo ar trumpiausių kelių suradimas, yra klasikinės kompiuterijos mokslo duona ir sviestas. Jie tradiciškai reikalauja programuotojo kurti ir įdiegti. “

A.I. gebėjimas suprasti kontekstą leidžia praleisti programuojamų algoritmų poreikį.

Nors „DeepMind“ DNC nėra pirmasis neuronų atminties eksperimentas, jis yra sudėtingiausias. Tačiau nervų tinklas vis dar yra ankstyvajame etape, ir jis turi daug nuveikti prieš pradedant mokytis žmogaus lygmeniu. Mokslininkai vis dar turi suprasti, kaip padidinti sistemos apdorojimą, kad būtų galima greitai nuskaityti ir apskaičiuoti kiekvieną atminties vienetą.

Šiuo metu žmonės gali valdyti aukščiausius neurologiškai.