Keinotekoinen äly On Rakennettu Ihmisen Aivojen Malliin - Vaihtoehtoinen Näkymä

Keinotekoinen äly On Rakennettu Ihmisen Aivojen Malliin - Vaihtoehtoinen Näkymä
Keinotekoinen äly On Rakennettu Ihmisen Aivojen Malliin - Vaihtoehtoinen Näkymä

Video: Keinotekoinen äly On Rakennettu Ihmisen Aivojen Malliin - Vaihtoehtoinen Näkymä

Video: Keinotekoinen äly On Rakennettu Ihmisen Aivojen Malliin - Vaihtoehtoinen Näkymä
Video: Aivot 2024, Huhtikuu
Anonim

Amerikkalainen yritys IBM kehittää tekoälyn järjestelmää, joka perustuu ihmisen aivojen malliin. Tällä hetkellä uutta hermoverkkoa on jo opetettu ajattelemaan loogisesti, ymmärtämään esineiden välisiä monimutkaisia suhteita, ja tulevaisuudessa he aikovat parantaa sen kykyä kiinnittää huomiota ja tuottaa ja säilyttää muistoja.

Nykyään tekoälyn tekniikat kykenevät osoittamaan pintapuolisesti ihmisen piirteitä. Esimerkiksi jotkut pystyvät suorittamaan tavallisesti vain henkilöihin liittyviä toimintoja - kirjoittamaan kappaleita, opettamaan tai esimerkiksi luomaan kuvataiteen teoksia.

Teknologian kehittyessä yritykset ja kehittäjät kuitenkin harkitsevat tekoälyn perustaa, ymmärtävät paremmin omaa mieltämme ja sitä, kuinka voimme tehokkaasti mallintaa sitä (koneita ja ohjelmistoja käyttämällä). IBM on yksi tällainen yritys, koska se on jo ryhtynyt kunnianhimoiseen tavoitteeseen opettaa AI toimimaan kuten ihmisen aivot futurismin mukaan.

Monet nykyisistä koneoppimisjärjestelmistä luottavat tietolohkoihin (mitä työtä he tekevätkin). Tällä tuella on kuitenkin rajoituksia - toisin kuin ihmisen aivot.

Opimme asteittain ja lisäksi käytämme logiikkaa ongelmien ratkaisemiseen - nykyaikainen AI on rakennettu eri periaatteelle. DeepMind on kuitenkin kuulemma kehittänyt hermoverkon, joka käyttää järkevää päättelyä tehtävien suorittamiseen.

DeepMindin tietotekniikan asiantuntija Timothy Lilicrap totesi, että tutkijat antoivat AI: lle erityistehtävän ja monia esineitä käytettäväksi, mikä stimuloi hermoverkkoa löytämään olemassa olevat suhteet. Joten esimerkiksi järjestelmältä kysyttiin: "Onko sinisellä esineellä vastapäätä olevalla esineellä sama muoto kuin pienellä vaaleansinisellä esineellä harmaan metallin pallon oikealla puolella?" Tällaisissa testeissä hermoverkko määritti vaadittavan kohteen 96%: lla tapauksista (perinteiset koneoppimismallit onnistuvat yleensä 42-77%: n tapauksista).

IBM: n tutkijat parantavat uutta hermoverkkoa, kertoo tutkija Irina Rish (Irina Rish). Paranna algoritmin kykyä kiinnittää huomiota sekä tuottaa ja säilyttää muistoja; kehittäjät haluavat luoda arkkitehtuurin, jonka avulla hermoverkot voivat kehittyä yksinään (kuten ihminen, kokeilemalla ja erehdyttämällä).