Emlékező rendszerrel próbálja megvalósítani az általános MI-t a Google

2017. március 31. 14:00

Shelly Fan
SingularityHUB

A gépek egyetlen feladat végrehajtását tanulják meg, utána minden törlődik a memóriából, és nulláról kezdhetik az új feladatot. Nem emlékeznek korábbi ismereteikre. Egy MI csak akkor lehet okos, ha képes hasznosítani az egyszer már megtanult leckét.

„Emlékezet kell ahhoz, hogy az elme bármit is megoldjon. Az ember különlegesen jó régi képességek új problémákra alkalmazásában. A gépek az utóbbi idők sikerei ellenére sem azok. Így tanítják őket, a mesterséges ideghálók, például a Google DeepMindja egyetlen feladatot sajátít el. Újhoz törlik a korábbi memóriát, és megint a semmiről indul. A katasztrofális felejtés néven ismert jelenség miatt egydimenziósak az MI-k.

A DeepMind és az Imperial College London a hippokampusztól, agyunk memóriatároló rendszerétől inspirálva fejlesztett egyik feladatot a másik után megoldó algoritmust. Atari játékokon tesztelték, és az idegháló rugalmasan alkalmazkodott minden egyes játékhoz, míg az emlékezet nélküli hagyományos algoritmusok megbuktak. A maiaknál okosabb és hasznosabb számítógépes programoknak képesnek kell lenni a szekvenciális tanulásra.

Az emberi memória kiválasztáson megy keresztül: ha az emlékek segítenek a későbbi tanulással, védetté válnak. Ha nem, törlődnek. Ezzel a módszerrel az ideghálók közötti kapcsolatok nemcsak a memóriát tárolják, hanem ha bizonyítottan hasznosak, meg is maradnak.

Az új algoritmus ezt a jelenséget utánozza egyszerű eszközökkel. Különböző szilárdságú rugókként képzeljük el. Minél fontosabb egy kapcsolat egy feladat sikeres megoldásához, annál szilárdabb lesz, és annál nehezebb megváltoztatni.

Az algoritmus nem tökéletes. A kapcsolatok idővel egyre kevésbé plasztikusak, és a hálózat telítődik, egyetlen megváltoztathatatlan állapotba kerül, és már képtelen használni memóriáját, vagy nem tud új adatokat tárolni. Az is akadályozhatja, hogy esetleg nem jól ítélte meg a kapcsolatok fontosságát. A sikeres tesztek ellenére sok optimalizálás kell még hozzá. Feladatokat tud szekvenciálisan tanulni, de nem bizonyított, hogy jobban megtanulja őket. A fejlesztők mindenesetre bizakodnak, hogy az MI-t a következő nagy durranás, az általános célú intelligencia, az embernek természetes alkalmazkodó tanulás és következtetés felé terelik.”

Az eredeti, teljes írást itt olvashatja el.
vissza a teljes nézetre