Дифференцированные нейронные компьютеры DeepMind — прорыв в области искусственного интеллекта?

Опубликовал
Володимир Скрипін

Специалисты компании DeepMind, купленной Google в 2014 году за $400 млн и специализирующейся на разработках в области искусственного интеллекта совершили то, что можно смело считать важным достижением, а, быть может, и настоящим прорывом. Последнее – покажет время. Им удалось создать компьютер, который может использовать собственную память для запоминания конкретных фактов, а затем использовать накопленные подобным образом знания в различных областях для решения разнообразных задач. По сути, это компьютер с «человеческой памятью». Результаты исследования опубликованы в журнале Nature, краткое содержание изложено в официальном блоге компании.

Это огромное достижение, поскольку будущие системы искусственного интеллекта, основанные на разработке DeepMind, смогут отвечать на вопросы людей без предварительного заучивания всевозможных правильных ответов. Сама разработка представляет собой новую модель построения систем искусственного интеллекта. Называется она незамысловато – «дифференцированный нейронный компьютер» (differentiable neural computer, DNC). По словам DeepMind, память этого компьютера можно заполнить родословным древом и картой-схемой лондонского метро, после чего система сможет отвечать на достаточно сложные запросы касательно связей между любыми элементами в этих информационных структурах.

Как утверждается, в данном случае можно получить корректный ответ на вопросы вроде «Если начать движение по Бонд-стрит, а затем пройти одну остановку в направлении центральной линии, затем еще четыре остановки по кольцевой линии и две остановки в направлении юбилейной линии, то какой будет конечная остановка?». Разработчики из DeepMind уверяют, что DNC также может использоваться в качестве навигатора и проложить самый оптимальный маршрут, к примеру, от станции метро Моргейт до площади Пикадилли. Аналогичным образом система может отвечать на вопросы по родословному древу. К примеру, в отличие от большинства людей, она может легко вспомнить двоюродного дедушку по линии матери.

Онлайн-курс "Чистий код та патерни проєктування" від robot_dreams.
Прискорюйте й спрощуйте процес розробки.Під менторством лектора з 15-річним досвідом ви навчитеся застосовувати 20+ шаблонів, опануєте рефакторинг і принципи чистого коду.
Детальніше

Более наглядное представление о работе системы на примере родословного дерева дает видеоролик ниже.

В основе идеи лежит концепция искусственных нейронный сетей, имитирующих принцип работы человеческого мозга. ИНС могут использоваться в самых разных сценариях, связанных с машинным обучением, где компьютер учат выполнять различные задачи методом распознавания различных образов.

Кстати говоря, система AlphaGo, в начале этого года переигравшая 18-кратного чемпиона мира в го Ли Седоля, в числе прочего, полагалась на нейронные сети. Разница в том, что AlphaGo предварительно натаскали, заложив в ее память 30 млн ходов партий реальных людей и научили предсказывать результат следующего хода с рекордной точностью. По мере наращивания возможностей ИИ за счет описанной вышеописанной разработки системы будут становиться все умнее, а там и до полноценного ИИ недалеко.

В DeepMind рассчитывают, что DNC, которую компания описывает как «самообучающуюся машину без необходимости предварительного инструктирования, которая умеет структурировать данные путем установления различных связей между фактами и явлениями, используемых впоследствии для решения проблем», заложит основу для новых прорывов в области вычислительной техники.

Источник: TNW и DeepMind

Disqus Comments Loading...