El software de IA aprende a hacer IA: los científicos informan de éxito en la inteligencia artificial de autoaprendizaje

Según Kurzweil, la escala logarítmica de los cambios de paradigma para eventos históricos clave muestra una tendencia exponencial. El

elemento clave para la aparición de la singularidad tecnológica es el lanzamiento de un ciclo de auto-mejora de IA no controlado, donde cada nueva generación de IA más inteligente aparecerá más rápido que el anterior. Según la teoría de singularidad de Wernor Wing, como resultado del desarrollo explosivo de la inteligencia, la superinteligencia aparecerá en el ciclo de superación exponencial, que superará con creces las capacidades de la mente humana y, de hecho, será incomprensible para él. Se llaman varias fechas aproximadas del inicio de la singularidad, basadas en la extrapolación del progreso tecnológico. Ray Kurzweil cree que esto sucederá alrededor de 2045 (aunque no considera que la auto-mejora exponencial de la IA sea obligatoria), y el valor medio promedio de una encuesta de expertos en IA fuerte es 2040.

Es posible que la singularidad ocurra antes de lo previsto. Los ingenieros de Google y los desarrolladores de sistemas de inteligencia artificial de otras compañías informan sobre los éxitos que se han logrado en una dirección clave: la creación de sistemas de inteligencia artificial diseñados para diseñar otros sistemas de inteligencia artificial.

En un experimento, los investigadores de IA de Google Brain desarrollaron un programa que diseñó la arquitectura neuronal de la red neuronal para que mostrara los mejores resultados en reconocimiento de voz. Un sistema diseñado por un método de software mostró un mejor resultado que las redes neuronales creadas por humanos .

Edición del MIT Technology Review informe que la de sistemas de inteligencia artificial para crear el éxito en los últimos meses para el diseño de otros sistemas de IA informado por diversos grupos de investigación, incluyendo la organización sin ánimo de lucro OpenAI (financiado por Elon Musk), Instituto de Tecnología de Massachusetts , la Universidad de California en Berkeley, así como otra división de inteligencia artificial en Google: DeepMind . Obviamente, esta área de investigación científica se considera una de las más prometedoras, muchos quieren tener éxito en ella.

De acuerdo con MIT Technology Review, tales desarrollos persiguen principalmente un objetivo económico. La creación de un programa para diseñar aplicaciones de IA acelerará en gran medida el uso de tales tecnologías en varios sectores de la economía. Ahora, muchas compañías no pueden darse el lujo de implementar un sistema de inteligencia artificial, porque no hay un especialista con tal competencia en el estado. A decir verdad, los expertos en inteligencia artificial son muy escasos. Pero las redes neuronales se pueden usar en casi una gran cantidad de aplicaciones: en la industria automotriz, en el sector bancario, en telecomunicaciones, en sistemas de seguridad y videovigilancia, en una variedad de productos de consumo para reconocimiento de voz y gestos, visión artificial, etc.

El desarrollo de sistemas de IA por métodos de programa reemplazará a algunos de estos escasos programadores.

También es importante que la IA desarrolle redes neuronales más eficientes que los humanos, por lo que la introducción de tales programas tiene sentido incluso donde solían trabajar los desarrolladores vivos.

Jeff Dean, jefe del equipo de investigación de Google Brain, recientemente discutió este tema. En su discurso en la conferencia AI Frontiers en Santa Clara, California, sugirió que algunos de estos programadores pueden ser reemplazados por software, porque en este momento las empresas tienen que pagar dinero y salarios muy altos a estos especialistas, que son muy escasos.

Por ejemplo, en el artículo científico " Aprender a reforzar aprender"DeepMind describe un conjunto de experimentos para la IA de autoaprendizaje, que los investigadores llaman" aprendizaje profundo de meta-refuerzo ". La conclusión es utilizar el aprendizaje estándar con el refuerzo de una red neuronal con retroalimentación para que esto sea recursivo red neuronal ha desarrollado su propia y libre de plantillas externas con procedimiento de aprendizaje por refuerzo para la otra red neuronal recurrente.

los experimentos han demostrado que la red neuronal de segundo orden, creado por los esfuerzos de la primera red neuronal, en algunos casos, Rep demuestra la eficacia y la calidad, que no tiene red neuronal de primer orden.

En total, el trabajo científico de DeepMind describe siete de estos experimentos. Como de costumbre, los gastan en el espacio de los juegos de computadora. Según los investigadores, dichos agentes de IA creados con otros programas de IA pueden adaptarse más rápidamente a nuevas tareas, utilizando el conocimiento previamente adquirido en tareas similares. Los experimentos también mostraron que el resultado del entrenamiento de IA de segundo orden puede considerarse impredecible: su arquitectura no depende de la arquitectura de IA de primer orden y puede ser muy diferente de ella. En particular, la IA de segundo orden puede usar características ambientales que los propios desarrolladores no conocían o no tenían en cuenta.

Los expertos de DeepMind creen que sus experimentos con meta-entrenamiento profundo con refuerzo también son importantes en el estudio del cerebro humano, en particular, "proporcionan un marco integrador para comprender los roles respectivos de la dopamina y la corteza prefrontal en los procesos de aprendizaje biológico con refuerzo".

La idea de la IA de autoaprendizaje se ha presentado antes, pero hasta ahora, los científicos no han podido demostrar resultados tan impresionantes. Por ejemplo, uno de los pioneros en este campo, el profesor Yoshua Bengio, dijo que tales experimentos requieren demasiada potencia informática, por lo que hasta hace poco no tenían sentido. Por ejemplo, en los experimentos de Google Brain, se utilizaron 800 GPU de alto rendimiento para ejecutar software que diseña un sistema de IA para visión artificial.

Investigadores del Instituto de Tecnología de Massachusetts planean publicar el código fuente del programa que utilizaron en sus experimentos.. Quizás con el tiempo, el uso de tales herramientas tendrá sentido económico y reducirá la carga sobre los especialistas que desarrollan modelos para el procesamiento de datos. Los programadores altamente calificados podrán escapar de la codificación y concentrarse en ideas de un orden superior.

Source: https://habr.com/ru/post/es400965/