Изкуствен интелект е на изследването е 10 пъти по-бързо и по-ефективно

Подразделение на Google, се занимава с разработване на изкуствен интелект, обяви създаването на нов метод на обучение невронни мрежи, съчетаваща използването на усъвършенствани алгоритми и стари видео игри. В старите Atari видео игри се използват като учебна среда.

Изкуствен интелект е на изследването е 10 пъти по-бързо и по-ефективно

DeepMind разработчици (не забравяйте, че тези хора са създали невронна мрежа AlphaGo, многократно бият най-добрите играчи в логиката на играта) казват, че машините са в състояние да бъдат обучени по същия начин, както хората. Със система DMLab-обучение 30, създаден въз основа на стрелеца и Quake III Atari аркадни игри (с помощта на 57 различни игри), инженерите са разработили нов машинно обучение алгоритъм ИМПАЛА (Значение претеглени актьор-учащия архитектури). Тя позволява на отделните части да се проучи как се изпълнява няколко задачи, а след това да споделят познанията си един с друг.

Изкуствен интелект е на изследването е 10 пъти по-бързо и по-ефективно

В много отношения, новата система се основава на по-ранна архитектурна система A3C (Asynchronous актьор-критици агенти), в която агентите разследват сряда, след това процесът се спира и те споделят своите знания с централния компонент на "ученика". Що се отнася до ИМПАЛА, тогава той може да бъде повече средства, а самия процес на обучение се осъществява малко по-различно. В нея агент изпраща информация до два "ученици", които след това също да общуват помежду си. Самите Освен това, ако A3C изчисляване на наклона на функцията на загуба (с други думи, несъответствие на предвидените и получените стойности на параметрите) са ангажирани агенти, които изпращат информация до централното ядро, обект на тази система ИМПАЛА ангажирани "ученици". Един пример за преминаване игра Мъжът на:

Изкуствен интелект е на изследването е 10 пъти по-бързо и по-ефективно

Тя показва как една и съща задача дръжки ИМПАЛА система:

Изкуствен интелект е на изследването е 10 пъти по-бързо и по-ефективно

Един от основните проблеми в развитието на AI е време и необходимостта от висока изчислителна мощност. Дори в условията на автономни машини нужда правила, чрез които те биха могли да следват в рамките на собствените си експерименти и намирането на начини за решаване на проблемите. Тъй като ние не можем просто да се изгради роботи и да ги предоставя по желание да се учи, разработчиците използват методи за симулация и дълбоко обучение.

За съвременния невронна мрежа може да научи нещо, те трябва да се справят с огромно количество информация в този случай е - милиарди рамки. И колкото повече го правят по-бързо, така че по-малко време се отделя за обучение.

Според DeepMind, в присъствието на достатъчен брой ИМПАЛА процесор постига производителност от 250 000 кадъра / секунда, или 21 милиарда кадъра ден. Това е абсолютен рекорд за този вид задача, на портала The Next Web. Себе си като разработчиците коментираха, че им AI система, за да се справи със задачата по-добре в сравнение с подобни машини и хора.

В бъдеще тези AI алгоритми могат да бъдат използвани в роботиката. Чрез оптимизиране на системите за машинно обучение роботи бързо ще се адаптират към околната среда и да работят по-ефективно.

Свързани статии