<<返回上一页

DeepMind的人工智能已经学会了使用内存导航管

发布时间:2019-02-07 06:14:02来源:未知点击:

Photofusion / Getty作者:Chris Baraniuk记忆:已升级 DeepMind的最新AI具有“工作记忆”,因此它可以学习如何自行解决任务 - 例如如何最好地从伦敦地铁网络上的A到B伦敦帝国理工学院的默里·沙纳汉(Murray Shanahan)表示:“这件事可以学会计算它的必要条件,而不是进行编程”他没有参与这项工作该系统称为差分神经计算机(DNC),因为它将神经网络与外部存储器相结合,神经网络擅长学习但不太擅长存储数据它可以按记录顺序从内存中检索项目 - 这是一项关键创新,可确保它们不会被过快覆盖,并有助于系统处理以前从未见过的复杂数据在对随机图进行一些基本训练之后,DNC可以解决如何自己解释数据集的问题更重要的是,它直观地学习如何在面对任务时适当地使用其工作记忆为DNC设置的测试之一涉及在伦敦地图上找到两个站之间的最短路径要做到这一点,它必须记住各个站点之间的各种连接,以便将一条路线与另一条路线进行比较 - 传统神经网络绊倒的地方,因为它没有能力在工作时记住这些细节 DNC成功地确定了一些停靠次数最少的旅程它建议的一条路线 - 通过Bank和Holborn到Mocate到Piccadilly Circus - 可能比通过King's Cross慢了几分钟,这是Citymapper和Google Maps等应用程序建议的旅程但这些系统拥有大量关于地下网络的先验知识; DNC没有该系统还执行诸如在家谱中识别一个人与另一个人的关系的任务 Google拥有的DeepMind之前在2014年开发了一种称为“神经图灵机”的记忆辅助神经网络 DeepMind的亚历克斯格雷夫斯说,DNC的表现超越了所有任务 “我认为这是一件非常漂亮的作品,”卡内基梅隆大学机器学习部门的Ruslan Salakhutdinov说然而,Salakhutdinov补充说,系统受其工作记忆大小的限制:如果要求对特别大的数据集进行排序,它可能无法在搜索答案或模式时存储所有理想的细节但是,在其论文中,DeepMind表示处理与内存无关,因此只需扩展内存大小就可以让系统在经过培训后扩展到更大的任务 Salakhutdinov说,DNC可用于广泛的应用,包括机器人中的计算机视觉例如,机器人不仅可以解决如何打开门的问题它会学会记录哪些被锁定,所以它不必一次又一次地尝试它们期刊参考:Nature,DOI:10.1038 / nature20101关于这些主题的更多信息: