A.I. Naaalala, Ngunit Gusto Mo Nang Itigil Na sa Magic: Ang Pagtitipon

Ang mga neural network ay pibotal sa hinaharap ng A.I. at, ayon kay Elon Musk, ang kinabukasan ng lahat ng sangkatauhan. Sa kabutihang-palad, ang DeepMind ng Google ay na-crack lamang ang code sa paggawa ng mga neural network nang mas matalinong sa pamamagitan ng pagbibigay sa kanila ng panloob na memorya.

Sa isang pag-aaral na inilabas sa Kalikasan noong Oktubre 12, nagpakita ang DeepMind kung paano maaaring maipon ang mga neural network at memory system upang lumikha ng pag-aaral ng makina na hindi lamang nag-iimbak ng kaalaman, ngunit mabilis itong ginagamit upang maging dahilan batay sa mga pangyayari. Isa sa mga pinakamalaking hamon sa A.I. ay nakakakuha ito upang matandaan ang mga bagay-bagay. Mukhang kami ay isang hakbang na mas malapit sa pagkamit na.

Tinatawag na iba't ibang mga neural computer (DNCs), ang mga pinahusay na neural network ay gumana nang halos tulad ng isang computer. Ang isang computer ay may isang processor upang makumpleto ang mga gawain (isang neural network) ngunit ito ay tumatagal ng isang memory system para sa processor upang magsagawa ng mga algorithm mula sa iba't ibang mga punto ng data (ang DNC).

Bago ang makabagong ideya ng DeepMind, ang mga neural network ay kailangang umasa sa panlabas na memorya upang hindi makagambala sa aktibidad ng neuron ng network.

Nang walang anumang panlabas na memorya, ang mga neural network ay may kakayahang magsasaysay ng isang solusyon batay sa kilalang impormasyon. Kailangan nila ang napakalaking dami ng data at kasanayan upang maging mas tumpak. Tulad ng isang tao na nag-aaral ng isang bagong wika, talagang nangangailangan ng oras para sa mga neural network upang maging matalino. Ito ang parehong dahilan Ang neural network ng DeepMind ay mahusay sa Pumunta ngunit kakila-kilabot sa laro na batay sa diskarte Magic: Neural network lamang ay hindi maaaring magproseso ng sapat na mga variable na walang memorya.

Nagbibigay-daan ang memory na mga neural network na isama ang mga variable at mabilis na pag-aralan ang data upang maaari itong mag-graph ng isang bagay na kumplikado gaya ng Underground ng London at makakapagpagawa ng mga konklusyon batay sa mga partikular na punto ng data. Sa DeepMind's pag-aaral, natagpuan nila na ang isang DNC ay maaaring matuto nang mag-isa upang sagutin ang mga tanong tungkol sa pinakamabilis na mga ruta sa pagitan ng mga destinasyon at kung anong destinasyon ang isang paglalakbay ay magtatapos lamang sa pamamagitan ng paggamit ng bagong iniharap na graph at kaalaman ng iba pang mga sistema ng transportasyon. Maaari din nito ang pagbuo ng mga relasyon mula sa puno ng pamilya na walang impormasyon na ipinakita maliban sa puno. Nakumpleto na ng DNC ang isang layunin sa isang naibigay na gawain nang hindi pinakain ang mga karagdagang punto ng data na kinakailangan ng isang tradisyunal na neural network.

Habang hindi na ito ay mukhang masyado kahanga-hanga (ang Google Maps ay medyo mahusay sa pagkalkula ng pinaka mahusay na ruta sa isang lugar), ang teknolohiya ay isang malaking hakbang para sa kinabukasan ng A.I. Kung sa tingin mo ang predictive na paghahanap ay mahusay (o katakut-takot), isipin kung gaano kahusay ito sa neural network memory. Kapag naghanap ka ng Facebook para sa pangalang Ben, malalaman nito sa pamamagitan ng katotohanan na ikaw ay nasa pahina ng magkaparehong kaibigan na nakatingin sa isang larawan niya na iyong ibig sabihin kay Ben mula sa kalye hindi si Ben mula sa elementarya.

Likas na pag-aaral ng wika A.I. sa wakas ay may sapat na konteksto upang gumana sa parehong wika ng Wall Street Journal at maunawaan ang Black Twitter. Maaaring maunawaan ni Siri na ang Pepe the Frog ay higit pa sa isang karakter mula sa isang comic strip dahil binabasa niya ang bawat isa Kabaligtaran artikulo tungkol dito.

"Ako ay pinaka impressed sa pamamagitan ng kakayahan ng network upang malaman ang 'algorithm' mula sa mga halimbawa," Brenden Lake, isang nagbibigay-malay siyentipiko sa New York University, sinabi Review ng Teknolohiya. "Ang mga algorithm, tulad ng pag-uuri o paghahanap ng pinakamaikling landas, ay ang tinapay at mantikilya ng klasikong agham ng computer. Sila ay tradisyonal na nangangailangan ng isang programista upang mag-disenyo at magpatupad."

Pagbibigay ng A.I. ang kakayahang maunawaan ang konteksto ay nagbibigay-daan ito upang laktawan ang pangangailangan para sa programmed algorithm.

Habang ang DeepMind's DNC ay hindi ang unang eksperimento sa memorya ng neural, ito ay ang pinaka-sopistikadong. Na sinabi, ang neural network ay pa rin sa mga maagang yugto nito at ito ay may isang mahabang paraan upang pumunta bago ito sa antas ng pag-aaral ng tao. Kailangan pa rin malaman ng mga mananaliksik kung paano mapalaki ang mga pagpoproseso ng mga sistema upang ma-scan at makalkula ang paggamit ng bawat piraso ng memorya nang mabilis.

Sa ngayon, ang mga tao ay nakapaghuhula sa kataas-taasang neurologically.