A.I. Può ricordare, ma lo schiacceresti ancora a Magic: The Gathering

Le reti neurali sono cruciali per il futuro di A.I. e, secondo Elon Musk, il futuro di tutta l'umanità. Fortunatamente, DeepMind di Google ha appena infranto il codice per rendere le reti neurali molto più intelligenti dando loro memoria interna.

In uno studio pubblicato in Natura il 12 ottobre, DeepMind ha mostrato come le reti neurali ei sistemi di memoria possono essere combinati per creare l'apprendimento automatico che non memorizza solo la conoscenza, ma la utilizza rapidamente per ragionare in base alle circostanze. Una delle maggiori sfide con A.I. lo sta facendo ricordare cose. Sembra che siamo un passo avanti verso il raggiungimento di ciò.

Chiamati calcolatori neurali differenziabili (DNC), le reti neurali potenziate funzionano come un computer. Un computer ha un processore per completare le attività (una rete neurale) ma richiede al processore un sistema di memoria per eseguire algoritmi da diversi punti di dati (il DNC).

Prima dell'innovazione di DeepMind, le reti neurali hanno dovuto fare affidamento sulla memoria esterna in modo da non interferire con l'attività dei neuroni della rete.

Senza alcuna memoria esterna, le reti neurali sono solo in grado di ragionare su una soluzione basata su informazioni conosciute. Hanno bisogno di enormi quantità di dati e di pratiche per diventare più precisi. Come un essere umano che impara una nuova lingua, in realtà le reti neurali richiedono tempo per diventare intelligenti. È la stessa ragione per cui la rete neurale di DeepMind è fantastica in Go, ma terribile nel gioco basato sulla strategia Magic: le reti neurali non possono elaborare abbastanza variabili senza memoria.

La memoria consente alle reti neuronali di incorporare le variabili e analizzare rapidamente i dati in modo che possano rappresentare qualcosa di complesso come il sottosuolo di Londra ed essere in grado di trarre conclusioni basate su specifici punti di dati. Nello studio di DeepMind, hanno scoperto che un DNC poteva apprendere autonomamente a rispondere a domande sui percorsi più veloci tra le destinazioni e a quale destinazione avrebbe terminato il viaggio solo utilizzando il grafico presentato di recente e la conoscenza di altri sistemi di trasporto. Potrebbe anche dedurre le relazioni da un albero genealogico senza alcuna informazione presentata eccetto l'albero. Il DNC è stato in grado di completare un obiettivo per un dato compito senza essere alimentato con i punti dati aggiuntivi che sarebbero necessari per una rete neurale tradizionale.

Anche se ciò potrebbe non sembrare terribilmente impressionante (Google Maps è già abbastanza bravo a calcolare la rotta più efficiente da qualche parte), la tecnologia è un enorme passo per il futuro di A.I. Se pensate che la ricerca predittiva sia efficiente (o inquietante), immaginate quanto potrebbe essere buona con la memoria di rete neurale. Quando si cerca su Facebook il nome Ben, si saprà dal fatto che eri sulla pagina di un amico comune guardando una foto di lui che intendi Ben per la strada non Ben dalla scuola elementare.

Apprendimento naturale delle lingue A.I. Avrebbe finalmente un contesto sufficiente per operare su entrambi i linguaggi giornale di Wall Street ed essere in grado di capire Twitter nero. Siri potrebbe capire che Pepe the Frog è più di un personaggio di un fumetto perché ha letto tutti Inverso articolo a riguardo.

"Sono molto impressionato dalla capacità della rete di imparare" algoritmi "dagli esempi", ha detto a Brenden Lake, uno scienziato cognitivo della New York University, Revisione della tecnologia. "Gli algoritmi, come l'ordinamento o la ricerca di percorsi più brevi, sono il pane e il burro dell'informatica classica. Per tradizione richiedono un programmatore per progettare e implementare."

Dando A.I. la capacità di comprendere il contesto consente di saltare la necessità di algoritmi programmati.

Mentre il DNC di DeepMind non è il primo esperimento nella memoria neurale, è il più sofisticato. Detto questo, la rete neurale è ancora agli stadi iniziali e ha ancora molta strada da fare prima che si raggiunga il livello di apprendimento umano. I ricercatori hanno ancora bisogno di capire come aumentare l'elaborazione dei sistemi in modo che possa scansionare e calcolare utilizzando rapidamente ogni pezzo di memoria.

Per ora, gli umani arrivano a regnare sovrani neurologicamente.