DeepMind hat einen Computer erstellt, der lernt, seinen Speicher zu verwenden

DeepMind hat eine neue Art von KI entwickelt, die lernen kann, wie man seinen eigenen Speicher verwendet. Das Projekt heißt " Differential Neural Computer " (Differential Neural Computer oder DNC).

Was sind die Konsequenzen eines Projekts, dessen Ziel es ist, einem Computer die Verwendung seines eigenen Speichers beizubringen? Die Hauptsache ist, dass eine schwache Form der KI effektiver als je zuvor wird. Zum Beispiel kann ein solches System einer Person helfen, sich in einer völlig unbekannten Stadt ohne die geringste Unannehmlichkeit zu bewegen.


Abbildung der DNC-Architektur. Der neuronale Netzwerkcontroller empfängt Informationen von außen und verwendet die Daten, um durch bestimmte Lese- / Schreibvorgänge mit dem Speicher zu arbeiten. Um die Steuerung bei der Arbeit mit dem Speicher zu unterstützen, unterhält DNC ​​temporäre Verbindungen, um aufgezeichnete Daten zu verfolgen, und erfasst auch die aktuellen Nutzungsstufen für jeden Speicherort.

Die Hauptleistung der DeepMind-Mitarbeiter besteht darin, dass sie ihrer KI beibringen konnten, jede nachfolgende Aufgabe auszuführen, ohne zu vergessen, wie die vorherigen gelaufen sind. In einer normalen Situation kann das System denselben Speicherbereich verwenden, um Informationen zu verschiedenen Aufgaben aufzuzeichnen. Nach Abschluss der ersten Aufgabe beginnt die Maschine mit der Ausführung der zweiten Aufgabe. Und Daten zur Implementierung des ersten, um die Daten zur Implementierung des zweiten zu ersetzen.


DNC spielt Tag

DeepMinds DNC nicht. Die Mitarbeiter des Unternehmens stellen dem neuronalen Netzwerk einen Speicherplatz in einem externen Medium zur Verfügung und bringen dem System die Verwendung bei. Der Lernprozess in diesem Fall liegt in der Natur von Versuch und Irrtum. Die Vertreter des Projekts gaben auf ihrer Website Folgendes an: „Wenn die DNC eine Antwort generiert, vergleichen wir diese mit der gewünschten richtigen Antwort. Mit der Zeit lernt das System, Antworten immer näher rechts zu geben. “

Das Herz einer DNC ist ein neuronales Netzwerk, das als Controller bezeichnet wird. Die Macher des Systems ziehen hier eine Analogie zum Prozessor im Computer. Die Steuerung ist dafür verantwortlich, Daten zu empfangen, in den Speicher zu schreiben und aus dem Speicher zu lesen. Zusätzlich analysiert der Controller die Daten und generiert eine Antwort auf eine vom System gestellte Frage.

Die Steuerung führt verschiedene Arten von Operationen im Speicher aus. Jeden Moment entscheidet er, ob er etwas in Erinnerung schreibt oder nicht. Wenn die Lösung Ja lautet, kann der Controller zwei Aufzeichnungsoptionen auswählen - in einem nicht verwendeten Sektor oder in einem Sektor, in dem bereits Informationen vorhanden sind, nach denen der Controller zuvor gesucht hat. Dies ermöglicht es, Informationen zu aktualisieren, die in einem festen Sektor aufgezeichnet wurden. Wenn alle Sektoren im Speicher verwendet werden, kann der Controller entscheiden, den Speicher freizugeben, ähnlich wie Sie einen Sektor auf einer normalen Festplatte überschreiben können, die nicht mehr benötigt wird.

Wie bei der Aufzeichnung kann die Steuerung Daten aus einer Reihe von Sektoren lesen. Das System kann in jedem Sektor nach den erforderlichen Informationen suchen oder sofort die Daten lesen, die in dem Sektor gespeichert sind und sich auf die angeforderten Daten beziehen.

All dies ermöglicht es dem System, das Problem der Speichernutzung, Datenspeicherung und des Abrufs effektiv zu lösen.


Nachdem das neuronale Netz eine Karte der Londoner U-Bahn erhalten hatte, gab der Computer sofort komplexe Antworten auf komplexe Fragen zur Bewegung in der U-Bahn. Diese Antworten beruhten auf dem Prinzip des Abzugs. Hier ist ein Beispiel für eine der Fragen, die DNC direkt nach dem Laden einer U-Bahn-Karte in den Speicher des Systems richtig beantworten kann: „Wenn wir in den U-Bahn-Wagen steigen und eine Haltestelle entlang der Mittellinie passieren, gibt es vier weitere Haltestellen entlang der Koltsevaya-Linie und eine weitere Dzhubili-Linie zwei Haltestellen, an welcher Haltestelle werden wir abfahren? “ Für digitale Assistenten wie Siri ist diese Frage unerträglich - sie werden trotz der Rechenleistung von Apple-Rechenzentren einfach nicht die richtige Antwort finden können. Aber AI von DeepMind ist durchaus in der Lage, die richtige Antwort zu geben.


Quelle: Photofusion / Getty

Darüber hinaus kann dieses System Hinweise zur Verkürzung des Weges zwischen verschiedenen Haltestellen geben. Sie gibt in 9 von 10 Fällen die richtige Antwort.

Laut den Entwicklern kann ihr System die richtige Antwort geben, da das Prinzip seiner Arbeit den Grundprinzipien des menschlichen Denkens ähnlich ist. Natürlich ist das System von DeepMind noch weit von einem echten Maschinenanalogon der menschlichen Intelligenz entfernt, aber die aktuelle Version funktioniert einwandfrei. Das menschliche Gehirn verwaltet gespeicherte Daten noch geschickter, einschließlich des Prozesses der Veröffentlichung neuer Informationen.

DeepMind-Spezialisten hoffen, dass sie in Zukunft ein System erstellen können, das ohne Einführung spezieller Programme in den Speicher die ihm zur Verfügung stehenden Informationen zur Lösung bestimmter Probleme verwenden kann. In diesem Fall können wir bereits über ein vollständiges selbstlernendes System sprechen, das die verfügbaren Daten zur Lösung komplexer Probleme verwenden kann.

Es ist noch nicht klar, wann Alphabet die Vorteile des neuen Systems für seine kommerziellen Produkte und Dienstleistungen nutzen kann. Bisher führt das Team der Abteilung eingehende Studien durch und sagt nichts darüber aus, wann die kommerzielle Nutzung des entwickelten Systems beginnen wird.

Experten sagen, dass das Unternehmen große Fortschritte in der KI-Forschung gemacht hat, Herbert Jaeger von der Jacobs University of Bremenerklärte, dass das DeepMind-Team "eine der wichtigsten Phasen in der evolutionären Entwicklung moderner neuronaler Systeme überwunden hat". Dieser Wissenschaftler ist sich sicher, dass das Unternehmen tatsächlich etwas Bedeutenderes geschaffen hat, als von seinen Vertretern in einem Artikel in der Zeitschrift Nature beschrieben .

Wie alle anderen DeepMind-Projekte basiert auch dieses auf Deep Learning. Fast die gleiche Technologie, mit der das AlphaGo-System 4 Spiele des 5. Weltmeisters Lee Sedol gewonnen hat.

Jetzt macht DeepMind zusammen mit dem Future of Humanity Institute eine weitere interessante Arbeit. Ein integriertes Team von Spezialisten erstellt einen „roten Knopf“ für eine starke KI-Form. Dies ist ein Tool, das künstliche Intelligenz ausschaltet, falls sie außer Kontrolle gerät.

Das Problem ist die Schaffung eines solchen Werkzeugs ist gut gezeigt in der Aussage von Nick Bostrom, Direktor des Instituts für die Zukunft der Menschheit: „Wenn die geistige Explosion droht uns vom Aussterben, müssen wir verstehen , wenn wir den Detonationsvorgang steuern kann. Heute wäre es vernünftiger, die Arbeit zur Lösung des Kontrollproblems zu beschleunigen, als die Forschung auf dem Gebiet der künstlichen Intelligenz auszusetzen. Bisher lösen sechs Personen das Kontrollproblem, während Zehntausende, wenn nicht Hunderttausende, an der Schaffung künstlicher Intelligenz arbeiten. “

Source: https://habr.com/ru/post/de398357/