IBM моделирует новый ИИ по образцу человеческого мозга.
Внимательные работы
В настоящее время технологии искусственного интеллекта (ШИ) способны проявлять человеческие черты, что можно точно наблюдать снаружи. Некоторые из них намеренно гуманистические, а другие выполняют задания, которые мы обычно ассоциируем с человечеством – написание песен, обучение и визуальное искусство.
Но, по ходу развития ИИ, компании и разработчики переосмысливают его основы, изучая собственный интеллект и то, как мы можем эффективно имитировать его, используя машины и программное обеспечение. IBM является одной из таких компаний, поскольку они начали амбициозный квест, чтобы научить ИИ действовать по принципу человеческого мозга.
Многие из существующих систем машинного обучения строятся вокруг необходимости извлекать необходимую информацию из множества данных. Или они решают проблемы, ради победы в игре или обнаруживают рак кожи по изображениям – это часто выполняется верно. Однако, эта основа ограничена – и она отличается от человеческого мозга.
Мы, как люди, учимся постепенно. Проще говоря, мы изучаем, как мы идем. Пока мы приобретаем знания, чтобы иметь возможность пользоваться им в любой момент, наш мозг адаптирует и поглощает информацию иначе, чем это делают многие из существующих искусственных систем. Кроме того, люди логические. Мы используем умственные навыки и логику для решения проблем, для чего, что эти системы еще не в состоянии достичь
IBM хочет изменить это. Группа исследователей DeepMind создала синтетическую нейронную сеть, которая, как сообщается, использует рациональные соображения для выполнения задач.
Рациональное машиностроения
Давая ИИ несколько о’объектов и конкретное задание:
“Мы явно заставляем сеть выявлять существующие взаимосвязи’обязанности”, – говорит Тимоти Лілікрапп, комп’компьютерный ученый в компании DeepMind в интервью’ю журнала Science Magazine.
В ходе тестирования сети еще в июне был задан вопрос о изображения с несколькими о’объектами. Сети был задан вопрос, например:
“Существует о’объект перед синей штукой. Имеет ли он ту же форму, что и крошечная голубая вещь, которая находится справа от серой металлической шарики? “
В этом тесте сеть правильно отмечала о’объекты 96 процентов времени, по сравнению с 42 – 77 процентами, которые были достигнуты традиционными моделями машинного обучения. Прогрессивная сеть также столкнулась с “проблемами со словом”, поэтому она продолжает развиваться и совершенствоваться. В дополнение к навыкам обоснования, исследователи развивают способность сети обращать внимание на что-то и даже создавать и хранить воспоминания.
Будущее развития ИИ может быть ускоренно и значительно расширен, если использовать такую тактику, по словам Ирины Рыш, сотрудника исследовательского штаба IBM, в интервью’ю Engadget,
“Обучение нейронной сети является разработанным процессом, что занимает очень много работы, чтобы создать ИИ с особым строением, что как лучше работает. Это подход испытаний и ошибок … Было бы хорошо, если бы эти сети могли строить сами себя “.
Иногда, страшно думать о совершенной построение сетей ИИ и совершенствования себя, но если эти процессы будут постоянно мониториться, инициироваться и будут правильно управляться, это может позволить выйти технологии за рамки текущих ограничений. Несмотря на опасения, по угроз развития ИИ, улучшение техногенных технологий может спасти жизни людей в медицине, позволить людям попасть на Марс и многое другое.
