A.I. Es pot recordar, però encara ho hauria aixafat a Magic: The Gathering

Les xarxes neuronals són fonamentals per al futur de l'AI. i, segons Elon Musk, el futur de tota la humanitat. Afortunadament, DeepMind de Google acaba de trencar el codi per fer que les xarxes neuronals siguin molt més intel·ligents donant-los memòria interna.

En un estudi publicat a Naturalesa El 12 d’octubre, DeepMind va mostrar com es poden combinar les xarxes neuronals i els sistemes de memòria per crear un aprenentatge automàtic que no només emmagatzema coneixement, sinó que l’utilitza ràpidament per raons basades en les circumstàncies. Un dels reptes més grans amb A.I. és aconseguir que recordi coses. Sembla que estem més a prop d’aconseguir-ho.

Anomenades computadores neuronals diferenciables (DNC), les xarxes neuronals millorades funcionen molt semblant a una computadora. Un ordinador té un processador per completar tasques (una xarxa neuronal), però necessita un sistema de memòria perquè el processador realitzi algorismes de diferents punts de dades (el DNC).

Abans de la innovació de DeepMind, les xarxes neuronals han hagut de dependre de la memòria externa per no interferir amb l’activitat neuronal de la xarxa.

Sense memòria externa, les xarxes neuronals només poden raonar una solució basada en informació coneguda. Necessiten grans quantitats de dades i pràctiques per tal de ser més exactes. Com un ésser humà que aprèn un nou idioma, realment es necessita temps perquè les xarxes neuronals es tornin intel·ligents. Per la mateixa raó, la xarxa neuronal de DeepMind és fantàstica a Go, però terrible al joc basat en l’estratègia Magic: les xarxes neuronals no poden processar suficients variables sense memòria.

La memòria permet a les xarxes neuronals incorporar variables i analitzar ràpidament les dades de manera que pugui representar alguna cosa tan complexa com London's Underground i ser capaç de fer conclusions a partir de punts de dades específics. A l’estudi de DeepMind, van descobrir que un DNC podia aprendre per si mateix a respondre preguntes sobre les rutes més ràpides entre destinacions i en quina destinació acabaria un viatge utilitzant el gràfic presentat recentment i el coneixement d'altres sistemes de transport. També podria deduir relacions d’un arbre genealògic sense informació presentada excepte l’arbre. El DNC va ser capaç de completar un objectiu a una tasca determinada sense haver estat alimentat amb els punts de dades addicionals que serien necessaris per una xarxa neuronal tradicional.

Tot i que això potser no sembla terriblement impressionant (Google Maps ja està molt bé calculant la ruta més eficient en algun lloc), la tecnologia és un gran pas per al futur de l'AI. Si creieu que la cerca predictiva és eficient (o esgarrifosa), imagineu-vos el bé que podria ser amb la memòria de la xarxa neuronal. Quan busqueu el nom de Ben a Facebook, sabreu pel fet que esteu a la pàgina d’un amic comú mirant-li una foto que ens referia a Ben del carrer i no a Ben de l’escola primària.

Aprenentatge del llenguatge natural A.I. finalment tindria el context suficient com per operar tant en el llenguatge de la Wall Street Journal i ser capaç d'entendre Black Twitter. Siri va poder entendre que Pepe the Frog és més que un personatge d’una tira còmica perquè la llegeix a tots Invers article sobre aquest tema.

"Estic impressionat per la capacitat de la xarxa per aprendre" algorismes "a partir d'exemples", va dir Brenden Lake, un científic cognitiu de la Universitat de Nova York. Technology Review. "Algorismes, com ara classificar o trobar camins més curts, són el pa i la mantega de la informàtica clàssica. Tradicionalment requereixen un programador per dissenyar i implementar ".

Donar A.I. la capacitat d’entendre el context li permet saltar la necessitat d’algoritmes programats.

Mentre que el DNC de DeepMind no és el primer experiment en memòria neuronal, és el més sofisticat. Dit això, la xarxa neuronal encara està en les seves primeres etapes i té un llarg camí per recórrer abans que siga a nivells humans d'aprenentatge. Els investigadors encara necessiten calcular la manera d’escalar el processament de sistemes de manera que pugui escanejar i calcular utilitzant cada memòria ràpidament.

De moment, els humans aconsegueixen regnar neurològicament.