، Ahmed Ana mn torab
Neironu tīkli ir izšķiroši A.I. un, pēc Elona Muskusa, visas cilvēces nākotnes. Par laimi, Google DeepMind tikai sajauca kodu, lai padarītu neironu tīklus daudz gudrākus, sniedzot viņiem iekšējo atmiņu.
Pētījumā, kas tika izdots Daba 12. oktobrī DeepMind parādīja, kā var apvienot neironu tīklus un atmiņas sistēmas, lai radītu mašīnmācības, kas ne tikai saglabā zināšanas, bet ātri to izmanto, lai pamatotu apstākļus. Viena no lielākajām problēmām ar A.I. tas to atceras. Šķiet, ka mēs esam viens solis tuvāk tam, lai to panāktu.
To sauc par diferencējamiem neironu datoriem (DNC), uzlabotie neironu tīkli darbojas kā dators. Datoram ir procesors, lai pabeigtu uzdevumus (neironu tīkls), bet tam ir nepieciešama atmiņas sistēma, lai procesors varētu veikt algoritmus no dažādiem datu punktiem (DNC).
Pirms DeepMind inovācijas neironu tīkliem bija jāpaļaujas uz ārējo atmiņu, lai netraucētu tīkla neironu darbību.
Bez ārējām atmiņām neironu tīkli spēj tikai pamatot risinājumu, kas balstīts uz zināmu informāciju. Lai tie kļūtu precīzāki, viņiem ir nepieciešami lieli datu un prakses apjomi. Tāpat kā cilvēks mācās jaunu valodu, tas faktiski prasa laiku, lai neironu tīkli kļūtu gudri. Tas pats iemesls ir tas, ka DeepMind neironu tīkls ir liels pie Go, bet briesmīgi pie stratēģijas balstītās spēles Magic: Neironu tīkli vienkārši nevar apstrādāt pietiekami daudz mainīgo bez atmiņas.
Atmiņa ļauj neironu tīkliem iekļaut mainīgos lielumus un ātri analizēt datus, lai tā varētu attēlot kaut ko tik sarežģītu kā Londonas metro un spēt izdarīt secinājumus, pamatojoties uz konkrētiem datu punktiem. DeepMind pētījumā tika konstatēts, ka DNC pats var mācīties, lai atbildētu uz jautājumiem par ātrākajiem maršrutiem starp galamērķiem un kādā galamērķī ceļojums beidzas tikai, izmantojot jaunizveidoto grafiku un citu transporta sistēmu zināšanas. Tā varētu arī secināt attiecības no ģimenes koka bez informācijas, izņemot koku. DNC spēja izpildīt mērķi līdz konkrētam uzdevumam, nepapildinot papildu datu punktus, kas būtu nepieciešami tradicionālajam neironu tīklam.
Kaut arī tas, iespējams, nešķiet ārkārtīgi iespaidīgs (Google Maps jau ir diezgan labs, lai aprēķinātu visefektīvāko maršrutu kaut kur), tehnoloģija ir milzīgs solis A.I. Ja domājat, ka jutīgā meklēšana ir efektīva (vai rāpojoša), iedomājieties, cik labi tas varētu būt ar nervu tīkla atmiņu. Kad jūs meklējat Facebook vārdu Ben vārdā, tas zinās ar to, ka jūs tikai atradās abpusējā drauga lapā, aplūkojot viņu, ko jūs domājat par Ben no ielas, kas nav Ben no pamatskolas.
Dabiskā valodu apguve A.I. beidzot būtu pietiekami daudz kontekstu, lai darbotos gan valodas valodā Wall Street Journal un saprast Black Twitter. Siri varēja saprast, ka Pepe varde ir vairāk nekā tikai komikss, jo viņa lasa katru Apgrieztā raksts par to.
„Mani visvairāk iespaido tīkla spēja apgūt“ algoritmus ”no piemēriem,” stāstīja Ņujorkas universitātes kognitīvais zinātnieks Brendens ezers. Tehnoloģiju apskats. “Algoritmi, piemēram, īsāko ceļu šķirošana vai atrašana, ir klasiskās datorzinātnes maize un sviests. Viņi tradicionāli pieprasa programmētājam izstrādāt un īstenot. ”
A.I. spēja izprast kontekstu ļauj tai izlaist vajadzību pēc programmētiem algoritmiem.
Kaut DeepMind DNC nav pirmais eksperiments neironu atmiņā, tas ir vissarežģītākais. Tas nozīmē, ka neironu tīkls joprojām ir agrīnā stadijā, un tam ir ilgs ceļš, pirms tas notiek cilvēka līmenī. Pētniekiem vēl arvien jāapzinās, kā palielināt sistēmas apstrādi, lai tā varētu ātri skenēt un aprēķināt katru atmiņas atmiņu.
Pašlaik cilvēki nonāk valdībā augstākajā neiroloģiski.
Šis rupjš robots ar rokām izstrādāja nopietnas dzinēju prasmes un var sasmalcināt kārbas
Ideāls robotu homie saglabās jūsu mājās tīru, mazgājot traukus, veicot veļas mazgāšanu un tīrot pēc kulinārijas katastrofām. Bet tai būtu arī jāsaglabā tā patiesība, pateicoties tevi, kad jūs uzvarēsiet Fortnite kārtiņu vai izspiežat shaka, kad atnācat mājās no darba.
Pokers vai maģija: vākšana būs nākamā spēle, kuru mēs zaudēsim DeepMind
Cilvēkam, kas spēlēs, ir bijis izšķirošs sakāve: otrdienas vakarā Google mākslīgais neironu tīkls AlphaGo pārspēja Lee Sedol, kas bija labākais Homo sapiens, piedāvājot četrus pret vienu sēriju, kas jau no paša sākuma bija vienpusīga. Iet savieno dambrete, šahs, skrējiens un Jeopardy spēlēs, ko iekaroja a.
Jūs vēlaties, lai Biļetes, lai redzētu šo Smoky Mountains pavasara vākšana Fireflies
Tikai divas nedēļas gadā - maija beigās līdz jūnija sākumam - Lielā dūmu kalnos izrāda ugunskura pārošanās rituālu. Tas ir tikai burtiski tūkstošiem un tūkstošiem fireflies, kas sanāk kopā, lai ievietotu sinhronizētu gaismas šovu. Tas ir tikpat awesome, kā tas izklausās, tāpēc, lai redzētu šo parādību par sevi, nav vienalga ...