A.I. Masih Dapat Ingat, Tapi Anda Masih Menghancurkannya di Magic: The Gathering

Jaringan saraf sangat penting untuk masa depan A.I. dan, menurut Elon Musk, masa depan semua umat manusia. Untungnya, Google DeepMind baru saja memecahkan kode untuk membuat jaringan saraf jauh lebih pintar dengan memberi mereka memori internal.

Dalam sebuah penelitian dirilis pada Alam pada 12 Oktober, DeepMind menunjukkan bagaimana jaringan saraf dan sistem memori dapat digabungkan untuk menciptakan pembelajaran mesin yang tidak hanya menyimpan pengetahuan, tetapi dengan cepat menggunakannya untuk alasan berdasarkan keadaan. Salah satu tantangan terbesar dengan A.I. membuatnya mengingat hal-hal. Sepertinya kita selangkah lebih dekat untuk mencapai itu.

Disebut komputer neural yang dapat dibedakan (DNC), fungsi jaringan saraf yang ditingkatkan sangat mirip dengan komputer. Komputer memiliki prosesor untuk menyelesaikan tugas (jaringan saraf) tetapi dibutuhkan sistem memori agar prosesor dapat melakukan algoritma dari titik data yang berbeda (DNC).

Sebelum inovasi DeepMind, jaringan saraf harus mengandalkan memori eksternal agar tidak mengganggu aktivitas neuron jaringan.

Tanpa memori eksternal, jaringan saraf hanya mampu memberikan solusi berdasarkan informasi yang diketahui. Mereka membutuhkan sejumlah besar data dan praktik agar menjadi lebih akurat. Seperti manusia yang mempelajari bahasa baru, sebenarnya dibutuhkan waktu bagi jaringan saraf untuk menjadi pintar. Itu adalah alasan yang sama jaringan saraf DeepMind hebat di Go tetapi mengerikan di game berbasis strategi Magic: Jaringan saraf hanya bisa memproses cukup variabel tanpa memori.

Memori memungkinkan jaringan saraf untuk memasukkan variabel dan menganalisis data dengan cepat sehingga dapat membuat grafik sesuatu yang kompleks seperti London's Underground dan dapat membuat kesimpulan berdasarkan titik data tertentu. Dalam studi DeepMind, mereka menemukan bahwa DNC dapat belajar sendiri untuk menjawab pertanyaan tentang rute tercepat antara tujuan dan pada tujuan apa perjalanan akan berakhir hanya dengan menggunakan grafik yang baru disajikan dan pengetahuan tentang sistem transportasi lainnya. Itu juga dapat menyimpulkan hubungan dari silsilah keluarga tanpa informasi yang disajikan kecuali pohon. DNC mampu menyelesaikan tujuan untuk tugas yang diberikan tanpa diberi makan poin data tambahan yang akan dibutuhkan oleh jaringan saraf tradisional.

Meskipun itu mungkin tidak terlalu mengesankan (Google Maps sudah cukup bagus dalam menghitung rute yang paling efisien di suatu tempat), teknologi ini merupakan langkah besar untuk masa depan A.I. Jika Anda menganggap pencarian prediktif efisien (atau menyeramkan), bayangkan betapa bagusnya itu dengan memori jaringan saraf. Ketika Anda mencari di Facebook untuk nama Ben, itu akan tahu bahwa Anda hanya berada di halaman teman yang saling melihat melihat foto dirinya bahwa yang Anda maksud adalah Ben dari jalan bukan Ben dari sekolah dasar.

Pembelajaran bahasa alami A.I. akhirnya akan memiliki konteks yang cukup untuk beroperasi pada kedua bahasa Wall Street Journal dan bisa memahami Black Twitter. Siri dapat memahami bahwa Pepe the Frog lebih dari sekadar karakter dari komik karena dia membaca setiap Terbalik artikel tentang itu.

"Saya sangat terkesan dengan kemampuan jaringan untuk mempelajari 'algoritma' dari contoh," Brenden Lake, seorang ilmuwan kognitif di New York University, mengatakan kepada Tinjauan Teknologi. “Algoritma, seperti menyortir atau menemukan jalur terpendek, adalah roti dan mentega dari ilmu komputer klasik. Mereka secara tradisional membutuhkan programmer untuk merancang dan mengimplementasikan."

Memberi A.I. kemampuan untuk memahami konteks memungkinkannya melompati kebutuhan akan algoritma yang diprogram.

Sementara DeepMind's DNC bukan eksperimen pertama dalam memori saraf, ini adalah yang paling canggih. Yang mengatakan, jaringan saraf masih dalam tahap awal dan masih harus menempuh jalan panjang sebelum pada tingkat pembelajaran manusia. Para peneliti masih perlu mencari cara untuk meningkatkan pemrosesan sistem sehingga dapat memindai dan menghitung menggunakan setiap bagian dari memori dengan cepat.

Untuk saat ini, manusia bisa memerintah tertinggi secara neurologis.