211service.com
AI programa labai gerai naviguoja, sukurdama į smegenis panašią GPS sistemą
DeepMind neuroniniai tinklai imituoja žmogaus smegenyse esančias tinklelio ląsteles, kurios padeda mums žinoti, kur esame. 2018 m. gegužės 9 d
Ponia Tech
AI programa, išmokyta naršyti virtualiame labirinte, netikėtai sukūrė architektūrą, panašią į neuroninę GPS sistemą, esančią smegenyse. Tada dirbtinis intelektas sugebėjo rasti kelią labirinte su precedento neturinčiais įgūdžiais.
Atradimas kilęs iš DeepMind , JK įmonė, priklausanti Alphabet ir skirta bendrajam dirbtiniam intelektui tobulinti.
Darbas, publikuotas žurnale Gamta , užsimena, kaip dirbtiniai neuroniniai tinklai, kurie patys yra įkvėpti biologijos, gali būti naudojami tiriant smegenų aspektus, kurie išlieka paslaptingi. Tačiau šią idėją reikėtų vertinti atsargiai, nes daug ko nežinome apie tai, kaip veikia smegenys, o dirbtinių neuroninių tinklų veikimą taip pat dažnai sunku paaiškinti.
Į tinklelį panašios ląstelės, matomos biologiniuose ir dirbtiniuose neuroniniuose tinkluose. DeepMind tinklaraštis
„DeepMind“ mokslininkai nusprendė išmokyti dirbtinį neuroninį tinklą, kuris imituotų kelio integraciją – metodą, kurį gyvūnai naudoja apskaičiuodami savo judėjimą erdvėje. Tyrėjai išmokė neuroninį tinklą su grįžtamojo ryšio kilpa naršyti labirinte, pateikdami jam maršrutų pavyzdžius, kuriais pelės kerta tikrą labirintą.
Komanda nustatė, kad neuroninis tinklas sukūrė kažką panašaus į tinklelio ląsteles, esančias biologinėse smegenyse. Šios ląstelės, išdėstytos trikampėje tinklelyje, atrodo, suteikia galimybę gyvūnui išsiskirti fizinėje erdvėje. Tinklelio ląstelės pirmą kartą buvo identifikuotos 2005 m., o jas radę mokslininkai 2014 m. buvo apdovanoti Nobelio premija už atradimą.
„DeepMind“ tyrėjai naudojo apmokytą tinklą, kad galėtų naršyti nepažįstamais labirintais, papildydami savo požiūrį į mokymąsi. Jie nustatė, kad naujai apmokytas tinklas gali naršyti daug efektyviau nei bet kuri ankstesnė AI sistema ir kad jis tyrinėjo savo erdvę labiau kaip tikras gyvūnas.
Neuroniniai tinklai gali būti naudojami daugeliui naudingų dalykų, tačiau iki šiol jie nebuvo ypač geri navigacijos srityje.
DeepMind dirbtinis neuroninis tinklas buvo išmokytas tyrinėti virtualų labirintą.
Šis tyrimas yra įtikinamas įrodymas, kad gilus mokymasis gali būti naudingas atliekant užduotis, kurios priklauso ne tik nuo suvokimo gebėjimų, bet ir nuo aukštesnių pažinimo funkcijų – šiuo atveju, erdvinės navigacijos. Francesco Savelli , Johnso Hopkinso universiteto neuromokslininkas, tyrinėjantis tinklelio ląsteles ir rašė apie tyrimą susijusiame straipsnyje. Gamta popierius.
Tyrimai rodo, kad tinklelio ląstelės atlieka esminį vaidmenį, kaip gyvūnai, įskaitant žmones, randa kelią visame pasaulyje. Šis atradimas ilgainiui gali turėti reikšmingos praktinės naudos, pavyzdžiui, padėti robotams lengviau naršyti po nepažįstamus pastatus.
Mūsų darbas yra dirbtinio bendro intelekto kūrimas, ir manome, kad navigacija yra esminė to dalis, sako Andrea Banino, viena iš DeepMind komandos narių.
Jo kolega Dharshan Kumaran sako, kad kitas žingsnis yra priversti AI agentus išmokti sudėtingesnių navigacijos įgūdžių. Mes galvojame apie sudėtingesnę aplinką, sako jis.
„DeepMind“ anksčiau pademonstravo tam tikrą pažangą mašininio mokymosi srityje, įskaitant programas, galinčias išmokti žaisti vaizdo žaidimus, taip pat stalo žaidimus, tokius kaip „Go“ ir šachmatai, su antžmogiškais įgūdžiais. Šie pasiekimai taip pat priklausė nuo labai didelių arba gilių dirbtinių neuroninių tinklų mokymo.
Pasak Demiso Hassabio, „DeepMind“ įkūrėjo ir generalinio direktoriaus, AI tyrimai gali atskleisti naujų dalykų apie smegenis. Žmogaus smegenys yra vienintelis mūsų turimas egzistavimo įrodymas, kad toks bendras intelektas, kurį bandome sukurti, yra netgi įmanomas, sakė jis. Manome, kad šis įkvėpimas turėtų būti dvipusis gatvė, o įžvalgos taip pat atkeliauja iš AI tyrimų, siekiant atskleisti atvirus neurologijos klausimus.
Tačiau neaišku, kiek neuroniniai tinklai, kurie yra labai supaprastinti biologijos atvaizdai, nuves mus paaiškindami smegenis. Keli neurologai susisiekė su MIT technologijų apžvalga Atkreipkite dėmesį, kad giluminio neuroninio tinklo veikimas nėra daug geriau interpretuojamas nei biologinių smegenų veikimas.