Comments 8
Про карту метро ничего не могу сказать, но если взять более мощную нейронную сеть — человека, что бы он отвечал да или нет на запись или стирал информацию, то очевидно же, что информации только на основании содержимого данных о принятии решения не достаточно, и обязательно будут случаи, когда вся память забита и сотрут то, что нелья стирать или какая-то фигня будет висеть вечно, потому что она очень ценна, а приложение срубили менеджером задач и данные увы — не понадобятся. В общем, офигительное достижение.
Ну, как Вы думаете, ребята разработали почти способную к глубокому обучению нейронную сеть, а такие мелочи не предусмотрели?
Естественно, об имитации работы человеческого мозга пока не идёт и речи, но это действительно большой прорыв в машинном обучении.
Разработки продолжаются, и эти технологии очень перспективны.
Естественно, об имитации работы человеческого мозга пока не идёт и речи, но это действительно большой прорыв в машинном обучении.
Разработки продолжаются, и эти технологии очень перспективны.
По некоторым теориям основная функция человеческого сознания всего лишь в управлении памятью. Например во сне мы «неосознанны» просто потому, что доступа к дневной памяти нет.
Можно еще проще. Если человек помнит о чем он думал, он считает что был в сознании, если не помнит — считает что был без сознания. Ощущение, соответствующее состоянию, когда человек помнит что он делал и думал мы называем «сознанием» и иногда рассматриваем это ощущение как реальный объект, существующий во времени с перерывами. Поскольку это просто ощущение, нет смысла говорить о его функции.
> «Процесс обучения при этом носит характер проб и ошибок. На своем сайте представители проекта заявили следующее: «Когда DNC генерирует ответ, мы сравниваем его с желаемым правильным ответом. С течением времени система учится давать ответы ближе и ближе к правильному».»
Таким образом можно описать обучение любой НС. И даже не только НС.
Я не очень понял, при чем тут вообще пример с метро или семейным деревом — эти задачи решаются и обычными НС (а еще и без НС вообще можно решить, при чем эффективнее).
> на который DNC может ответить правильно сразу же после загрузки в память системы карты метрополитена
Ей же всё равно учиться придется, не? Что-то всё смешалось.
Таким образом можно описать обучение любой НС. И даже не только НС.
Я не очень понял, при чем тут вообще пример с метро или семейным деревом — эти задачи решаются и обычными НС (а еще и без НС вообще можно решить, при чем эффективнее).
> на который DNC может ответить правильно сразу же после загрузки в память системы карты метрополитена
Ей же всё равно учиться придется, не? Что-то всё смешалось.
Я не просто интересуюсь, а изучаю машинное обучение, в т.ч. и нейронные сети, поэтому, разумеется, не мог пройти мимо данной статьи. Но, честно говоря, я мало что в ней понял. Самое главное, что совершенно не раскрыто — какую задачу они решали? Не глобально — создать самообучающийся ИИ, а вполне конкретно — что дает DNC и к решению какого класса задач он подходит? Из статьи создается ложное впечатление, что они решали задачу оптимизации использования памяти в условиях ее дефицита, т.е. создавали некий умный менеджер памяти, очищающий ненужные данные и сохраняющий нужные. Но это не совсем так, а если копнуть глубже, то может оказаться, что это совсем не так. И стоило перейти по ссылке на страничку проекта в deepmind, как все сразу встало на свои места, т.к. ответ дается буквально в первом абзаце: «it can learn to use its memory to answer questions about complex, structured data». Переведу: «Он (DNC) может научиться использовать свою память, чтобы отвечать на вопросы относительно сложных, структурированных данных». Далее приводятся примеры таких данных, в т.ч. графы родства и связи станций лондонской подземки, приведенные и в данной статье. Фраза "«научить» компьютер использовать собственную память" не отвечает на вопрос, для чего это нужно.
сразу же после загрузки в память системы карты метрополитена
Любопытно — как именно? В каком виде?
Объединенная команда специалистов создает «красную кнопку» для сильной формы ИИ. Это инструмент, который позволит выключить искусственный интеллект в том случае, если он выйдет из-под контроля.
Каждый раз, читая про «красную кнопку ИИ», у меня возникает вопрос — не станет ли именно наличие такой кнопки причиной для ответной агрессии ИИ? Ведь пока люди не угрожают ИИ, то и уничтожать их нет нужды. Но если люди имеют красную кнопку, то они представляют опасность для ИИ и логичным будет устранить такую опасность. Уничтожить красную кнопку, людей имеющих к ней доступ или всех людей. Сильный ИИ запросто найдет в сети информацию о процессе создания себя и о наличии такой кнопки, со всеми вытекающими.
Sign up to leave a comment.
В DeepMind создали компьютер, который сам учится использовать свою память