AI. จำได้ แต่คุณยังบดขยี้มันด้วยเวทมนตร์: การรวมตัว

$config[ads_kvadrat] not found

เวก้าผับ ฉบับพิเศษ

เวก้าผับ ฉบับพิเศษ
Anonim

โครงข่ายประสาทเทียมมีความสำคัญต่ออนาคตของ A.I และตาม Elon Musk, อนาคตของมนุษยชาติทั้งหมด โชคดีที่ DeepMind ของ Google เพิ่งถอดรหัสรหัสเพื่อสร้างเครือข่ายประสาทเทียมให้ฉลาดขึ้นโดยให้หน่วยความจำภายใน

ในการศึกษาที่ปล่อยออกมา ธรรมชาติ เมื่อวันที่ 12 ตุลาคม DeepMind แสดงให้เห็นว่าเครือข่ายประสาทและระบบหน่วยความจำสามารถนำมารวมกันเพื่อสร้างการเรียนรู้ของเครื่องที่ไม่เพียง แต่เก็บความรู้ แต่ใช้อย่างรวดเร็วเพื่อให้เหตุผลตามสถานการณ์ หนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดกับ A.I กำลังทำให้มันจดจำสิ่งต่าง ๆ ดูเหมือนว่าเราเข้าใกล้ความสำเร็จมากขึ้นเพียงก้าวเดียว

เครือข่ายประสาทขั้นสูงที่ปรับปรุงใหม่ทำหน้าที่คล้ายกับคอมพิวเตอร์ คอมพิวเตอร์มีตัวประมวลผลเพื่อทำงานให้เสร็จสมบูรณ์ (เครือข่ายประสาท) แต่ใช้ระบบหน่วยความจำสำหรับตัวประมวลผลเพื่อดำเนินการอัลกอริทึมจากจุดข้อมูลที่แตกต่างกัน (DNC)

ก่อนที่จะมีนวัตกรรมของ DeepMind เครือข่ายประสาทต้องพึ่งพาหน่วยความจำภายนอกเพื่อไม่ให้รบกวนการทำงานของเซลล์ประสาทของเครือข่าย

หากไม่มีหน่วยความจำภายนอกเครือข่ายประสาทเทียมจะสามารถให้เหตุผลการแก้ปัญหาโดยอาศัยข้อมูลที่ทราบเท่านั้น พวกเขาต้องการข้อมูลจำนวนมากและการฝึกฝนเพื่อให้มีความแม่นยำมากขึ้น เหมือนมนุษย์เรียนรู้ภาษาใหม่มันใช้เวลาจริงสำหรับเครือข่ายประสาทที่จะกลายเป็นสมาร์ท ด้วยเหตุผลเดียวกันเครือข่ายประสาทของ DeepMind นั้นยอดเยี่ยมที่ Go แต่แย่มากที่ Magic-based game Magic: เครือข่าย Neural ไม่สามารถประมวลผลตัวแปรที่เพียงพอโดยไม่มีหน่วยความจำ

หน่วยความจำอนุญาตให้เครือข่ายประสาทเทียมรวมตัวแปรและวิเคราะห์ข้อมูลอย่างรวดเร็วเพื่อให้สามารถสร้างกราฟบางสิ่งที่ซับซ้อนเหมือนใต้ดินของกรุงลอนดอนและสามารถสรุปได้ตามจุดข้อมูลเฉพาะ ในการศึกษาของ DeepMind พวกเขาพบว่า DNC สามารถเรียนรู้ด้วยตนเองเพื่อตอบคำถามเกี่ยวกับเส้นทางที่เร็วที่สุดระหว่างจุดหมายปลายทางและปลายทางที่การเดินทางจะสิ้นสุดลงเพียงแค่ใช้กราฟที่นำเสนอใหม่และความรู้เกี่ยวกับระบบการขนส่งอื่น ๆ นอกจากนี้ยังสามารถอนุมานความสัมพันธ์จากแผนภูมิต้นไม้โดยไม่มีข้อมูลยกเว้นต้นไม้ DNC สามารถบรรลุเป้าหมายให้กับภารกิจที่กำหนดโดยไม่ต้องป้อนจุดข้อมูลเพิ่มเติมที่ต้องการโดยเครือข่ายประสาทแบบดั้งเดิม

ในขณะที่อาจไม่น่าประทับใจอย่างมาก (Google แผนที่ค่อนข้างดีในการคำนวณเส้นทางที่มีประสิทธิภาพที่สุดแห่งหนึ่ง) เทคโนโลยีเป็นขั้นตอนที่ยิ่งใหญ่สำหรับอนาคตของ A.I หากคุณคิดว่าการค้นหาแบบคาดการณ์มีประสิทธิภาพ (หรือน่าขนลุก) ลองจินตนาการว่าการใช้หน่วยความจำเครือข่ายประสาทจะดีแค่ไหน เมื่อคุณค้นหาชื่อเบ็น Facebook คุณจะรู้ได้ทันทีว่าคุณอยู่ในหน้าเพื่อนของทั้งคู่มองดูรูปภาพของเขาว่าคุณหมายถึงเบ็นจากถนนไม่ใช่เบ็นจากโรงเรียนประถม

การเรียนรู้ภาษาธรรมชาติ ในที่สุดจะมีบริบทเพียงพอที่จะดำเนินการกับทั้งสองภาษาของ วารสารวอลล์สตรีท และสามารถเข้าใจ Black Twitter ได้ Siri เข้าใจว่า Pepe the Frog เป็นมากกว่าตัวละครจากการ์ตูนแนวเพราะเธออ่านทุกเรื่อง ผกผัน บทความเกี่ยวกับมัน

“ ฉันประทับใจมากที่สุดกับความสามารถของเครือข่ายในการเรียนรู้“ อัลกอริทึม” จากตัวอย่าง” เบรนเดนเลคนักวิทยาศาสตร์ด้านการคิดที่มหาวิทยาลัยนิวยอร์กกล่าว ทบทวนเทคโนโลยี. “ อัลกอริทึมเช่นการเรียงลำดับหรือการค้นหาเส้นทางที่สั้นที่สุดคือขนมปังและเนยของวิทยาการคอมพิวเตอร์แบบดั้งเดิม พวกเขาต้องใช้โปรแกรมเมอร์ในการออกแบบและใช้งาน”

ให้ A.I. ความสามารถในการทำความเข้าใจบริบทอนุญาตให้ข้ามความต้องการอัลกอริธึมที่โปรแกรมไว้

ในขณะที่ DNC ของ DeepMind ไม่ได้เป็นการทดลองครั้งแรกในหน่วยความจำประสาท แต่มันเป็นสิ่งที่ซับซ้อนที่สุด ที่กล่าวว่าเครือข่ายประสาทยังอยู่ในช่วงเริ่มต้นและมีหนทางไกลก่อนที่จะอยู่ในระดับการเรียนรู้ของมนุษย์ นักวิจัยยังคงต้องคิดหาวิธีขยายขนาดการประมวลผลระบบเพื่อให้สามารถสแกนและคำนวณโดยใช้หน่วยความจำทุกส่วนได้อย่างรวดเร็ว

สำหรับตอนนี้มนุษย์ได้รับการปกครองอย่างสุดยอดทางระบบประสาท

$config[ads_kvadrat] not found