A.I. Boleh Ingat, Tetapi Anda Masih Mematikannya di Magic: The Gathering

Rangkaian saraf adalah penting kepada masa depan A.I. dan, menurut Elon Musk, masa depan semua manusia. Nasib baik, DeepMind Google hanya retak kod untuk membuat rangkaian saraf lebih pintar dengan memberi mereka ingatan dalaman.

Dalam satu kajian yang dikeluarkan di Alam pada 12 Oktober, DeepMind menunjukkan bagaimana rangkaian saraf dan sistem memori boleh digabungkan untuk mewujudkan pembelajaran mesin yang bukan sahaja menyimpan pengetahuan, tetapi dengan cepat menggunakannya untuk membuat alasan berdasarkan keadaan. Salah satu cabaran terbesar dengan A.I. adalah untuk mengenangnya. Ia kelihatan seperti satu langkah lebih dekat untuk mencapai itu.

Disebut komputer saraf yang berbeza (DNCs), rangkaian saraf yang dipertingkatkan berfungsi seperti komputer. Komputer mempunyai pemproses untuk menyelesaikan tugas (rangkaian saraf) tetapi memerlukan sistem memori untuk pemproses untuk melakukan algoritma dari titik data yang berbeza (DNC).

Sebelum inovasi DeepMind, rangkaian saraf perlu bergantung kepada ingatan luaran supaya tidak mengganggu aktiviti neuron rangkaian.

Tanpa sebarang memori luaran, rangkaian saraf hanya boleh menimbulkan penyelesaian berdasarkan maklumat yang diketahui. Mereka memerlukan data dan amalan yang besar untuk menjadi lebih tepat. Seperti pembelajaran bahasa manusia yang baru, ia sebenarnya mengambil masa untuk rangkaian saraf menjadi pintar. Ini adalah sebab yang sama Rangkaian neural DeepMind sangat bagus di Go tetapi mengerikan pada permainan berasaskan strategi Magic: Neural networks tidak dapat memproses pembolehubah yang cukup tanpa ingatan.

Memori membolehkan rangkaian saraf menggabungkan pemboleh ubah dan menganalisis dengan cepat data supaya ia boleh menggambarkan sesuatu yang kompleks seperti London Underground dan dapat membuat kesimpulan berdasarkan titik data tertentu. Dalam kajian DeepMind, mereka mendapati bahawa DNC boleh belajar dengan sendirinya untuk menjawab soalan mengenai laluan paling cepat antara destinasi dan di mana destinasi perjalanan akan berakhir dengan menggunakan grafik yang baru dibentangkan dan pengetahuan sistem pengangkutan yang lain. Ia juga boleh menyimpulkan hubungan dari pokok keluarga tanpa maklumat yang diberikan kecuali pokok itu. DNC dapat menyelesaikan matlamat untuk tugas yang diberikan tanpa diberi titik data tambahan yang diperlukan oleh rangkaian saraf tradisional.

Walaupun itu mungkin tidak begitu hebat (Peta Google sudah cukup bagus untuk mengira laluan paling berkesan di suatu tempat), teknologi itu merupakan langkah besar untuk masa depan A.I. Jika anda fikir carian ramalan adalah cekap (atau menyeramkan), bayangkan betapa baiknya dengan memori rangkaian neural. Apabila anda mencari Facebook untuk nama Ben, ia akan tahu dengan hakikat bahawa anda hanya berada di laman teman bersama melihat gambar dia yang anda maksudkan Ben dari jalan bukan Ben dari sekolah rendah.

Pembelajaran bahasa semulajadi A.I. akhirnya akan mempunyai konteks yang cukup untuk beroperasi pada kedua bahasa itu jurnal dinding jalan dan dapat memahami Twitter Hitam. Siri dapat memahami bahawa Pepe the Frog adalah lebih daripada sekadar watak dari komik strip kerana dia membaca setiap Songsang artikel tentangnya.

"Saya paling kagum dengan keupayaan rangkaian untuk mempelajari 'algoritma' daripada contoh," kata Brenden Lake, seorang saintis kognitif di New York University, Tinjauan Teknologi. "Algoritma, seperti menyusun atau mencari laluan terpendek, adalah roti dan mentega sains komputer klasik. Mereka secara tradisinya memerlukan seorang pengaturcara untuk mereka bentuk dan melaksanakan."

Memberi A.I. keupayaan untuk memahami konteks membolehkannya melangkau keperluan untuk algoritma yang diprogramkan.

Walaupun DeepMind's DNC bukan eksperimen pertama dalam memori saraf, ia adalah yang paling canggih. Yang mengatakan, rangkaian saraf masih dalam peringkat awal dan ia jauh ke hadapan sebelum ia berada di peringkat pembelajaran manusia. Para penyelidik masih perlu memahami cara mempercepat pemprosesan sistem agar dapat mengesan dan mengira menggunakan setiap sekeping memori dengan cepat.

Buat masa ini, manusia dapat memerintah dengan hebat secara neurologis.