डीपमाइंड ने एक ऐसा कंप्यूटर बनाया, जो अपनी मेमोरी का उपयोग करना सीखता है

डीपमाइंड ने एक नए प्रकार का एआई विकसित किया है जो सीख सकता है कि अपनी स्मृति का उपयोग कैसे करें। परियोजना को " डिफरेंशियल न्यूरल कंप्यूटर " (विभेदक तंत्रिका कंप्यूटर, या डीएनसी) कहा जाता है।

एक परियोजना के परिणाम क्या हैं जिसका लक्ष्य कंप्यूटर को अपनी स्मृति का उपयोग करना "सिखाना" है? मुख्य बात यह है कि एआई का कमजोर रूप पहले से कहीं अधिक प्रभावी होता जा रहा है। उदाहरण के लिए, इस तरह की प्रणाली किसी व्यक्ति को थोड़ी सी भी असुविधा के बिना पूरी तरह से अपरिचित शहर में स्थानांतरित करने में मदद कर सकती है।


DNC वास्तुकला चित्रण। तंत्रिका नेटवर्क नियंत्रक बाहर से जानकारी प्राप्त करता है, विशिष्ट रीड / राइट ऑपरेशन के माध्यम से मेमोरी के साथ काम करने के लिए डेटा का उपयोग करता है। मेमोरी के साथ नियंत्रक कार्य में मदद करने के लिए, DNC रिकॉर्ड किए गए डेटा को ट्रैक करने के लिए अस्थायी लिंक रखता है, और प्रत्येक मेमोरी लोकेशन के लिए वर्तमान उपयोग के स्तर को भी पकड़ता है।

डीपमाइंड के कर्मचारियों की मुख्य उपलब्धि यह है कि वे अपने एआई को प्रत्येक बाद के कार्य को सिखाने में सक्षम थे, न कि यह भूलकर कि पिछले वाले कैसे गए थे। एक सामान्य स्थिति में, सिस्टम विभिन्न कार्यों पर जानकारी रिकॉर्ड करने के लिए एक ही मेमोरी क्षेत्र का उपयोग कर सकता है। पहला कार्य पूरा करने के बाद, मशीन दूसरा प्रदर्शन करना शुरू कर देती है। और पहले के कार्यान्वयन पर डेटा दूसरे के कार्यान्वयन पर डेटा को बदलने के लिए।


DNC ने टैग खेला है

DeepMind की DNC नहीं करती है। कंपनी के कर्मचारी बाह्य माध्यम में स्मृति के टुकड़े के साथ तंत्रिका नेटवर्क प्रदान करते हैं, और सिस्टम को इसका उपयोग करने का तरीका सिखाते हैं। इस मामले में सीखने की प्रक्रिया परीक्षण और त्रुटि की प्रकृति में है। परियोजना के प्रतिनिधियों ने अपनी वेबसाइट पर निम्नलिखित कहा: “जब डीएनसी एक प्रतिक्रिया उत्पन्न करता है, तो हम इसे वांछित सही उत्तर के साथ तुलना करते हैं। समय के साथ, सिस्टम उत्तरों को सही के करीब और करीब देना सीखता है। ”

DNC का दिल एक तंत्रिका नेटवर्क है जिसे नियंत्रक कहा जाता है। सिस्टम के निर्माता कंप्यूटर में प्रोसेसर के साथ यहां एक सादृश्य आकर्षित करते हैं। नियंत्रक डेटा प्राप्त करने के लिए जिम्मेदार है, इसे मेमोरी में लिखना और मेमोरी से पढ़ना। इसके अलावा, नियंत्रक डेटा का विश्लेषण करता है और सिस्टम द्वारा पूछे गए सवाल के जवाब में एक उत्तर उत्पन्न करता है।

कंट्रोलर मेमोरी में कई तरह के ऑपरेशन करता है। हर पल वह तय करता है कि स्मृति में कुछ लिखना है या नहीं। यदि समाधान हाँ है, तो नियंत्रक दो रिकॉर्डिंग विकल्प चुन सकता है - एक अप्रयुक्त क्षेत्र में या एक ऐसे क्षेत्र में जहां पहले से ही जानकारी है कि नियंत्रक पहले देख रहा था। यह कुछ निश्चित क्षेत्र में दर्ज जानकारी को अपडेट करना संभव बनाता है। यदि मेमोरी में सभी क्षेत्रों का उपयोग किया जाता है, तो नियंत्रक मेमोरी को मुक्त करने का निर्णय ले सकता है, इसी तरह आप एक साधारण हार्ड डिस्क पर एक सेक्टर को कैसे ओवरराइट कर सकते हैं जो अब आवश्यक नहीं है।

रिकॉर्डिंग के मामले में, नियंत्रक कई क्षेत्रों के डेटा को पढ़ सकता है। सिस्टम प्रत्येक क्षेत्र में आवश्यक जानकारी खोज सकता है, या अनुरोधित डेटा से संबंधित क्षेत्र में संग्रहीत डेटा को तुरंत पढ़ सकता है।

यह सब सिस्टम को स्मृति उपयोग, डेटा संग्रहण और पुनर्प्राप्ति के मुद्दे को प्रभावी ढंग से हल करने की अनुमति देता है।


तंत्रिका नेटवर्क को लंदन भूमिगत का एक नक्शा प्राप्त होने के बाद, कंप्यूटर ने तुरंत मेट्रो के चारों ओर घूमने के बारे में जटिल सवालों के जटिल जवाब देने शुरू कर दिए। ये उत्तर कटौती के सिद्धांत पर आधारित थे। यहां एक प्रश्न का एक उदाहरण है कि सिस्टम की मेमोरी में मेट्रो का नक्शा लोड करने के बाद DNC सही उत्तर दे सकता है: “जब हम मेट्रो कार में जाते हैं और सेंट्रल लाइन के साथ एक स्टॉप से ​​गुजरते हैं, तो कोल्टवेया लाइन के साथ चार और स्टॉप होते हैं और एक अन्य Dzhubili लाइन होती है। दो स्टॉप, किस स्टॉप पर हम बाहर निकलेंगे? ” सिरी जैसे डिजिटल सहायकों के लिए, यह सवाल असहनीय है - वे एप्पल डेटा केंद्रों की सभी कंप्यूटिंग शक्ति के बावजूद, सही उत्तर नहीं खोज पाएंगे। लेकिन डीपमाइंड से एआई सही जवाब देने में काफी सक्षम है।


स्रोत: फोटोफ्यूजन / गेटी

इसके अलावा, यह प्रणाली विभिन्न स्टॉप के बीच के रास्ते को छोटा करने की सलाह दे सकती है। सही जवाब वह 10 में से 9 मामलों में देता

में के शब्दों डेवलपर्स, अपने सिस्टम क्योंकि अपने ऑपरेशन के सिद्धांत मानव सोच के मौलिक सिद्धांतों के साथ समानता है, सही जवाब दे सकते हैं। बेशक, डीपमाइंड की प्रणाली अभी भी मानव बुद्धि के एक वास्तविक मशीन एनालॉग से दूर है, लेकिन वर्तमान संस्करण ठीक काम करता है। मानव मस्तिष्क अभी भी अधिक कुशलता से संग्रहीत डेटा का प्रबंधन करता है, जिसमें नई जानकारी पोस्ट करने की प्रक्रिया भी शामिल है।

डीपमाइंड विशेषज्ञों को उम्मीद है कि भविष्य में वे एक ऐसी प्रणाली बनाने में सक्षम होंगे, जो विशेष कार्यक्रमों को अपनी स्मृति में शामिल किए बिना, कुछ विशेष समस्याओं को हल करने के लिए उपलब्ध जानकारी का उपयोग कर सकती है। इस मामले में, हम पहले से ही एक पूर्ण स्व-शिक्षण प्रणाली के बारे में बात कर सकते हैं जो जटिल समस्याओं को हल करने के लिए उपलब्ध डेटा का उपयोग कर सकता है।

यह अभी तक स्पष्ट नहीं है कि वर्णमाला अपने वाणिज्यिक उत्पादों और सेवाओं में नई प्रणाली के लाभों का उपयोग करने में सक्षम होगी। अब तक, यूनिट की टीम गहन अध्ययन कर रही है और इस बारे में कुछ नहीं कहती है कि विकसित प्रणाली का व्यावसायिक उपयोग कब शुरू होगा।

विशेषज्ञों का कहना है कि कंपनी ने AI रिसर्च में, जैकब यूनिवर्सिटी ऑफ ब्रेमेन के हर्बर्ट जैगर ने काफी प्रगति की हैने कहा कि डीपमाइंड टीम ने "आधुनिक तंत्रिका तंत्र के विकासवादी विकास में सबसे महत्वपूर्ण चरणों में से एक को पार कर लिया है।" यह वैज्ञानिक सुनिश्चित है कि वास्तव में कंपनी ने अपने प्रतिनिधियों द्वारा जर्नल नेचर के एक लेख में वर्णित की तुलना में कुछ अधिक महत्वपूर्ण बनाया है ।

अन्य सभी डीपमाइंड परियोजनाओं की तरह, यह एक गहरी शिक्षा पर आधारित है। लगभग वही तकनीक जिसने 5 वीं विश्व चैंपियन ली सेडोल के 4 गेम जीतने में अल्फाजो सिस्टम की मदद की।

अब दीपमिन्द भविष्य के मानवता संस्थान के साथ मिलकर एक और दिलचस्प काम कर रहे हैं। विशेषज्ञों की एक एकीकृत टीम एक मजबूत एआई फॉर्म के लिए "लाल बटन" बनाती है। यह एक उपकरण है जो उस स्थिति में कृत्रिम बुद्धिमत्ता को बंद कर देगा जो इसे नियंत्रण से बाहर कर देती है।

इंस्टीट्यूट फॉर द फ्यूचर ऑफ ह्यूमैनिटी के निदेशक निक बोस्सोम के बयान में इस तरह के एक उपकरण को बनाने की समस्या को अच्छी तरह से दिखाया गया है: “यदि कोई बौद्धिक विस्फोट हमें विलुप्त होने की धमकी देता है, तो हमें यह समझने की आवश्यकता है कि क्या हम विस्फोट प्रक्रिया को नियंत्रित कर सकते हैं। आज कृत्रिम बुद्धिमत्ता के क्षेत्र में शोध को स्थगित करने के बजाय, नियंत्रण की समस्या को सुलझाने पर काम को गति देना अधिक उचित होगा। लेकिन अब तक, छह लोग नियंत्रण समस्या को हल कर रहे हैं, जबकि दसियों, अगर सैकड़ों हजारों नहीं हैं, तो कृत्रिम बुद्धि के निर्माण पर काम कर रहे हैं। "

Source: https://habr.com/ru/post/hi398357/