Imparare a leggere la mappa della metropolitana di Londra è un rito di passaggio per ogni nuovo londinese, ma DeepMind, l'IA di deep learning di Google con un interesse per l'assistenza sanitaria e giochi di carte – si è unito ai ranghi di coloro che conoscono il modo più veloce per andare da Acton Town a Wapping.
Potrebbe non sembrare estremamente impressionante, ma il modo in cui ha imparato a leggere la mappa della metropolitana è molto interessante per il futuro dell'intelligenza artificiale, poiché ha utilizzato il ragionamento e la memoria di base per conquistare il pendolarismo. In altre parole, era più umano della normale app per mappe della metropolitana.
Vedi correlati
"Penso che questo possa essere descritto come ragionamento razionale", Herbert Jaegar, un informatico dell'Università di Brema, ha dichiarato:
detto Il guardiano. "Loro [i compiti] implicano la pianificazione e la strutturazione delle informazioni in blocchi e la loro ricombinazione". Combinare il deep learning con una memoria esterna significa che DeepMind potrebbe prendere ciò che ha imparato dalla metropolitana di Londra e applicarlo alla navigazione di altre reti di trasporto simili intorno al mondo.Questo è diverso dalle cose che sono avvenute prima. Come Alex Graves, un ricercatore di DeepMind, detto Cablato: "Non puoi dare alle normali reti neurali un pezzo di informazione e lasciare che lo mantengano indefinitamente nel loro stato interno - a a un certo punto verrà sovrascritto e essenzialmente lo dimenticheranno. Questa rete neurale, tuttavia, potrebbe mantenere la memoria per sempre.
La stessa strategia è stata utilizzata per altri due compiti, entrambi apparentemente banali per gli umani. A DeepMind sono stati dati semplici estratti di storie, come “John è nel parco giochi. John ha raccolto il pallone. Da lì all'intelligenza artificiale veniva chiesto dove fosse il pallone e forniva la risposta corretta a questo tipo di enigmi il 96% delle volte. Graves ammette che mentre questi enigmi "sembrano così banali a un essere umano che non sembrano affatto domande", è la metodologia che è interessante. I computer tradizionali, dice, "fanno davvero male in questo".
In un altro enigma, spiegato nel video sopra, DeepMind è stato in grado di stabilire relazioni familiari leggendo un albero genealogico.
"Presi insieme, i nostri risultati dimostrano che [i computer neurali differenziabili] hanno la capacità di risolvere complessi, compiti strutturati che sono inaccessibili alle reti neurali senza memoria di lettura-scrittura esterna", hanno concluso gli autori la loro carta. "Come un computer convenzionale, può usare la sua memoria per rappresentare e manipolare strutture di dati complesse, ma, come una rete neurale, può imparare a farlo dai dati".
