211service.com
„Apple“ AI direktorius: Štai kaip sustiprinti gilų mokymąsi
„Apple“ dirbtinio intelekto direktorius Ruslanas Salachutdinovas mano, kad gilieji neuroniniai tinklai, kurie pastaraisiais metais davė įspūdingų rezultatų, ateinančiais metais gali būti papildyti pridedant atminties, dėmesio ir bendrųjų žinių.
Kalbėdamas pas MIT technologijų apžvalga Antradienį San Franciske vykusioje „EmTech Digital“ konferencijoje Salakhutdinovas sakė, kad šios savybės gali padėti išspręsti kai kurias neišspręstas dirbtinio intelekto problemas.
Salachutdinovas, kuris išlaiko pareigas kaip Carnegie Mellon universiteto docentas Pitsburge savo kalboje atkreipė dėmesį į giluminio mokymosi grindžiamo mašininio matymo ir natūralios kalbos supratimo apribojimus.
Gilus mokymasis – metodas, apimantis daugybę apytiksliai imituotų neuronų, išdėstytų daugelyje tarpusavyje susijusių sluoksnių, pastaraisiais metais padarė didelę pažangą mašininio suvokimo srityje, tačiau yra daug būdų, kaip šie tinklai yra riboti.
Pavyzdžiui, Salakhutdinovas parodė, kaip vaizdų antraštės, pagrįstos technologija, gali neteisingai pažymėti vaizdus, nes jos linkusios sutelkti dėmesį į viską, kas yra vaizde. Tada jis atkreipė dėmesį į sprendimą vadinamųjų dėmesio mechanizmų forma – gilaus mokymosi patobulinimą, kuris buvo sukurtas per pastaruosius kelerius metus. Požiūris gali ištaisyti šias klaidas sistema sutelkia dėmesį į konkrečias vaizdo dalis, kai antraštėje taiko skirtingus žodžius. Tas pats metodas taip pat gali padėti pagerinti natūralios kalbos supratimą, nes mašina gali sutelkti dėmesį į atitinkamą sakinio dalį, kad būtų galima nustatyti jos prasmę.
Technika vadinama atminties tinklai , sukurtas Facebook tyrėjų, gali pagerinti mašinų bendravimą su žmonėmis. Kaip rodo pavadinimas, šis metodas prideda ilgalaikės atminties komponentą prie neuroninių tinklų, kad jie prisimintų pokalbio istoriją.
Įrodyta, kad atminties tinklai taip pat pagerina kitą AI rūšį, žinomą kaip sustiprinimo mokymasis. Pavyzdžiui, du CMU mokslininkai neseniai parodė, kaip tai gali sukurti protingesnį žaidimo algoritmas . „DeepMind“, į AI orientuotos „Alphabet“ dukterinės įmonės, mokslininkai taip pat parodė gilaus mokymosi sistemų kūrimo ir prieigos būdai atminties forma.
Sustiprinimo mokymasis sparčiai atsiranda kaip vertingas būdas išspręsti sunkiai programuojamas robotikos ir automatinio vairavimo problemas. Tai buvo vienas iš MIT technologijų apžvalga 10 proveržio technologijų 2017 m.
Kita įdomi ateities tyrimų sritis, sakė Salakhutdinovas, būtų rasti būdų, kaip sujungti rankomis sukurtus žinių šaltinius su giliu mokymusi. Jis atkreipė dėmesį į bendrųjų žinių duomenų bazes, tokias kaip Nemokama bazė ir žodžių reikšmių saugyklos kaip WordNet .
Kaip žmonės labai pasikliauja bendromis žiniomis analizuodami kalbą ar interpretuodami vaizdinę sceną, tai gali padėti AI sistemas padaryti išmanesnes, sakė Salakhutdinovas. Kaip visas tas ankstesnes žinias galime įtraukti į gilų mokymąsi? – pasakė jis per savo pokalbį. Tai didelis iššūkis.
Salakhutdinovas kalbėjo per sesiją, į kurią susirinko mokslininkai iš kelių skirtingų AI mokyklų. Bendra pranešėjų tema buvo skirtingų požiūrių poreikis, norint pakelti AI į kitą lygį.
Sesijos metu Petro sekmadieniais Vašingtono universiteto profesorius, tyrinėjantis skirtingus mašininio mokymosi metodus, teigė, kad taip pat reikia ir toliau ieškoti visiškai naujų AI metodų. Egzistuoja mąstymo mokykla mašininio mokymosi srityje, kad mums nereikia naujų įmantrių algoritmų, mums tiesiog reikia daugiau duomenų, sakė jis. Manau, kad yra tikrai gilių, esminių idėjų, kurias reikia atrasti, kad galėtume iš tikrųjų išspręsti AI.