DeepMind von Google ermittelt, wie Sie Ergebnisse speichern und schneller lernen können

AI Speicher DeepMind
Bitte teilen Sie diese Geschichte!
image_pdfimage_print

Diese Entwicklung hat wahrscheinlich dazu geführt, dass Googles Technocrat / Transhuman Ray Kurzweil erklärt, dass Singularity in 2029 anstelle von 2045 erreicht wird. Das Erinnern ist ein gefährliches Ergebnis, wenn sie anfangs fehlerhaft sind oder, was noch schlimmer ist, Vorurteile gegen Eingaben haben, die sie erzeugt haben. Basierend auf KI-Erinnerungen wird das Lernen definitiv zunehmen, aber wird weiteres Lernen auf der Realität oder nur auf einem Wunschcomputermodell basieren? TN Editor

Während KI-Systeme mit vielen menschlichen Fähigkeiten mithalten können, dauert das Erlernen 10-mal länger. Durch Kopieren der Funktionsweise des Gehirns hat Google DeepMind eine Maschine entwickelt, die diese Lücke schließt.

Intelligente Maschinen haben den Menschen im Visier. Deep-Learning-Maschinen verfügen bereits über übermenschliche Fähigkeiten, wenn es um Aufgaben wie die Gesichtserkennung, das Spielen von Videospielen und sogar das alte chinesische Go-Spiel geht. Man kann sich also leicht vorstellen, dass die Menschen bereits überholt sind.

Aber nicht so schnell. Intelligente Maschinen bleiben in einem entscheidenden Leistungsbereich noch hinter den Menschen zurück: der Geschwindigkeit, mit der sie lernen. Wenn es zum Beispiel darum geht, klassische Videospiele zu beherrschen, benötigen die besten Deep-Learning-Maschinen einige 200-Stunden, um die gleichen Fähigkeiten zu erreichen, die Menschen in nur zwei Stunden erreichen.

Informatiker würden es daher sehr lieben, wenn sie die Lerngeschwindigkeit von Maschinen beschleunigen könnten.

Heute behaupten Alexander Pritzel und seine Freunde von Googles DeepMind-Tochter in London, genau das getan zu haben. Diese Leute haben eine Deep-Learning-Maschine gebaut, die in der Lage ist, neue Erfahrungen schnell aufzunehmen und sie dann zu verarbeiten. Das Ergebnis ist eine Maschine, die deutlich schneller lernt als andere und in nicht allzu ferner Zukunft mit Menschen mithalten kann.

Zunächst einige Hintergrundinformationen. Deep Learning verwendet Schichten neuronaler Netze, um nach Mustern in Daten zu suchen. Wenn eine einzelne Ebene ein erkanntes Muster erkennt, sendet sie diese Informationen an die nächste Ebene, die nach Mustern in diesem Signal sucht, und so weiter.

Bei der Gesichtserkennung sucht eine Ebene möglicherweise nach Kanten in einem Bild, die nächste Ebene nach kreisförmigen Kantenmustern (die Art, die Augen und Münder erzeugen) und die nächste nach dreieckigen Mustern, wie sie von zwei Augen und einem Mund erzeugt werden. In diesem Fall ist die endgültige Ausgabe ein Hinweis darauf, dass ein Gesicht erkannt wurde.

Natürlich steckt der Teufel im Detail. Es gibt verschiedene Rückkopplungssysteme, mit denen das System lernen kann, indem verschiedene interne Parameter wie die Stärke der Verbindungen zwischen den Schichten angepasst werden. Diese Parameter müssen sich langsam ändern, da eine große Änderung in einer Schicht das Lernen in den folgenden Schichten katastrophal beeinflussen kann. Das ist der Grund, warum tiefe neuronale Netze so viel Training benötigen und warum es so lange dauert.

Pritzel und Co haben dieses Problem mit einer Technik angegangen, die sie als neuronale episodische Kontrolle bezeichnen. „Die neuronale episodische Kontrolle zeigt dramatische Verbesserungen der Lerngeschwindigkeit für eine Vielzahl von Umgebungen“, heißt es. "Entscheidend ist, dass unser Agent in der Lage ist, sehr erfolgreiche Strategien schnell zu verfolgen, sobald er sie erlebt hat, anstatt auf viele Optimierungsschritte zu warten."

Die Grundidee hinter DeepMinds Ansatz ist es, die Art und Weise zu kopieren, wie Menschen und Tiere schnell lernen. Der allgemeine Konsens ist, dass Menschen Situationen auf zwei verschiedene Arten angehen können. Wenn die Situation bekannt ist, haben unsere Gehirne bereits ein Modell davon erstellt, anhand dessen sie herausfinden, wie sie sich am besten verhalten. Hierbei wird ein Teil des Gehirns verwendet, der als präfrontaler Kortex bezeichnet wird.

Lesen Sie die ganze Geschichte hier…


Siehe auch Googles neue KI wird dank eines Arbeitsspeichers intelligenter

Treten Sie unserer Mailingliste bei!


Abonnieren
Benachrichtigung von
Gast
0 Kommentare
Inline-Feedbacks
Alle Kommentare anzeigen