Kizuna AI - AIAIAI (при участии Накаты Ясутаки) [Официальное Музыкальное Видео]
Mạng lưới thần kinh là mấu chốt cho tương lai của A.I. và, theo Elon Musk, tương lai của toàn nhân loại. May mắn thay, Google Nhóm DeepMind chỉ bẻ khóa mã để làm cho các mạng thần kinh thông minh hơn rất nhiều bằng cách cung cấp cho chúng bộ nhớ trong.
Trong một nghiên cứu được phát hành tại Thiên nhiên vào ngày 12 tháng 10, DeepMind đã chỉ ra cách kết hợp mạng thần kinh và hệ thống bộ nhớ để tạo ra máy học không chỉ lưu trữ kiến thức mà còn nhanh chóng sử dụng nó để suy luận dựa trên hoàn cảnh. Một trong những thách thức lớn nhất với A.I. đang nhận được nó để ghi nhớ công cụ. Có vẻ như chúng tôi đã tiến một bước gần hơn để đạt được điều đó.
Được gọi là máy tính thần kinh khác biệt (DNC), các mạng thần kinh nâng cao hoạt động giống như một máy tính. Một máy tính có bộ xử lý để hoàn thành các tác vụ (mạng thần kinh) nhưng phải có hệ thống bộ nhớ để bộ xử lý thực hiện các thuật toán từ các điểm dữ liệu khác nhau (DNC).
Trước khi đổi mới DeepMind, các mạng nơ-ron phải dựa vào bộ nhớ ngoài để không can thiệp vào hoạt động của nơ-ron mạng.
Không có bất kỳ bộ nhớ ngoài nào, mạng lưới thần kinh chỉ có khả năng suy luận một giải pháp dựa trên thông tin đã biết. Họ cần số lượng lớn dữ liệu và thực hành để trở nên chính xác hơn. Giống như con người học một ngôn ngữ mới, thực sự cần có thời gian để các mạng lưới thần kinh trở nên thông minh. Nó cùng một lý do Mạng lưới thần kinh DeepMind sườn rất tuyệt vời ở Go nhưng khủng khiếp ở trò chơi dựa trên chiến lược Magic: Mạng lưới thần kinh chỉ có thể xử lý đủ các biến mà không cần bộ nhớ.
Bộ nhớ cho phép các mạng thần kinh kết hợp các biến và phân tích nhanh dữ liệu để nó có thể vẽ đồ thị phức tạp như London hầm ngầm và có thể đưa ra kết luận dựa trên các điểm dữ liệu cụ thể. Trong nghiên cứu DeepMind, họ thấy rằng một DNC có thể tự học để trả lời các câu hỏi về các tuyến nhanh nhất giữa các điểm đến và điểm đến nào chuyến đi sẽ kết thúc chỉ bằng cách sử dụng biểu đồ và kiến thức mới được trình bày về các hệ thống giao thông khác. Nó cũng có thể suy ra quan hệ từ một cây gia đình mà không có thông tin nào được trình bày ngoại trừ cây. DNC đã có thể hoàn thành mục tiêu cho một nhiệm vụ nhất định mà không cần cung cấp các điểm dữ liệu bổ sung cần thiết cho mạng thần kinh truyền thống.
Mặc dù điều đó có vẻ không ấn tượng lắm (Google Maps đã khá giỏi trong việc tính toán tuyến đường hiệu quả nhất ở đâu đó), công nghệ là một bước tiến lớn cho tương lai của A.I. Nếu bạn nghĩ rằng tìm kiếm dự đoán là hiệu quả (hoặc đáng sợ), hãy tưởng tượng nó có thể tốt như thế nào với bộ nhớ mạng thần kinh. Khi bạn tìm kiếm tên Ben trên Facebook, nó sẽ biết rằng bạn vừa ở trên một trang bạn bè lẫn nhau nhìn vào một bức ảnh của anh ta mà bạn có nghĩa là Ben từ dưới phố chứ không phải Ben từ trường tiểu học.
Học ngôn ngữ tự nhiên A.I. cuối cùng sẽ có đủ bối cảnh để hoạt động trên cả ngôn ngữ của Tạp chí phố Wall và có thể hiểu Twitter đen. Siri có thể hiểu rằng Pepe the Frog không chỉ là một nhân vật trong truyện tranh bởi vì cô ấy đã đọc mọi Nghịch đảo bài viết về nó.
Tôi ấn tượng nhất với mạng Khả năng học hỏi thuật toán của Google từ các ví dụ, hồ Brenden, một nhà khoa học nhận thức tại Đại học New York, nói Đánh giá công nghệ. Các thuật toán, như sắp xếp hoặc tìm đường đi ngắn nhất, là bánh mì và bơ của khoa học máy tính cổ điển. Theo truyền thống, họ yêu cầu một lập trình viên thiết kế và thực hiện.
Tặng A.I. khả năng hiểu ngữ cảnh cho phép nó bỏ qua sự cần thiết của các thuật toán được lập trình.
Trong khi DeepMind sườn DNC không phải là thử nghiệm đầu tiên trong bộ nhớ thần kinh, thì nó là phức tạp nhất. Điều đó nói rằng, mạng lưới thần kinh vẫn đang ở giai đoạn đầu và nó còn một chặng đường dài trước khi nó TẠO ở cấp độ học tập của con người. Các nhà nghiên cứu vẫn cần phải tìm cách mở rộng quy trình xử lý hệ thống để có thể quét và tính toán nhanh chóng bằng cách sử dụng mọi phần của bộ nhớ.
Lâu nay, con người có thể trị vì thần kinh tối cao.