Naučiť sa čítať mapu londýnskeho metra je rituálom pre každého nového Londýnčana, ale DeepMind – hĺbková vzdelávacia AI od Googlu so záujmom o zdravotnú starostlivosť a kartové hry – sa zaradil k tým, ktorí poznajú najrýchlejší spôsob, ako sa dostať z Acton Town do Wappingu.
Možno to neznie veľmi pôsobivo, ale spôsob, akým sa naučil čítať mapu Tube je veľmi zaujímavý pre budúcnosť umelej inteligencie, keďže využíval základné uvažovanie a pamäť, aby zdolal dochádzanie. Inými slovami, bolo to ľudskejšie ako vaša priemerná aplikácia na mape Tube.
Pozri súvisiace
"Myslím, že to možno opísať ako racionálne uvažovanie," Herbert Jaegar, počítačový vedec z univerzity v Brémach, povedal The Guardian. "Ich [úlohy] zahŕňajú plánovanie a štruktúrovanie informácií do kúskov a ich opätovné kombinovanie." Spojenie hlbokého učenia s externou pamäťou znamená, že DeepMind by mohol vziať to, čo sa naučil z londýnskeho metra, a použiť to na navigáciu v iných podobných dopravných sieťach v okolí sveta.
Toto sa líši od vecí, ktoré boli predtým. Ako hovorí Alex Graves, vedecký pracovník v DeepMind, povedal Drôtové: „Normálnym neurónovým sieťam nemôžete poskytnúť informácie a nechať ich na neurčito vo svojom vnútornom stave – na v určitom bode sa to prepíše a v podstate na to zabudnú.“ Táto neurónová sieť by však mohla zachovať pamäť navždy.
Rovnaká stratégia bola použitá pri dvoch ďalších úlohách – obe sa ľuďom opäť zdajú triviálne. DeepMind dostali jednoduché úryvky príbehov, ako napríklad „John je na ihrisku. John zdvihol futbal." Odtiaľ by sa AI opýtala, kde je futbal, a v 96 % prípadov poskytla správnu odpoveď na tento druh hádaniek. Graves pripúšťa, že hoci tieto hádanky „vyzerajú pre človeka tak triviálne, že vôbec nevyzerajú ako otázky“, zaujímavá je metodológia. Tradičné počítače, hovorí, „toto robia naozaj zle“.
V ďalšej hádanke, vysvetlenej vo videu vyššie, sa DeepMind podarilo nadviazať rodinné vzťahy čítaním rodokmeňa.
„Spolu naše výsledky ukazujú, že [rozlíšiteľné neurónové počítače] majú schopnosť riešiť zložité, štruktúrované úlohy, ktoré sú pre neurónové siete bez externej pamäte na čítanie a zápis nedostupné,“ uzavreli autori ich papier. „Rovnako ako konvenčný počítač môže používať svoju pamäť na reprezentáciu a manipuláciu so zložitými dátovými štruktúrami, ale ako neurónová sieť sa to môže naučiť robiť z údajov.
