<th id="rzd9z"></th>

          <th id="rzd9z"></th>

          <dl id="rzd9z"></dl>
          <th id="rzd9z"><progress id="rzd9z"></progress></th>

          <sub id="rzd9z"><progress id="rzd9z"></progress></sub>

          秦發

          您當前的位置:首頁 » 新聞中心 » 為了讓AI不斷學習,提高智商,DeepMind可謂是煞費苦心
          新聞中心
          為了讓AI不斷學習,提高智商,DeepMind可謂是煞費苦心
          發布時間:2018-05-31
          為了讓AI不斷學習,提高智商,DeepMind可謂是煞費苦心 秦發:021-86868686
          在遇到新挑戰時,目前的人工智能就無法發揮出人類的一般智力,且它對過去課程的使用更為有限。但如果研究人員想要開發與人類智力匹敵的強人工智能(Artificial General Intelligence)機器,就必須得解決人工智能無法發揮出人類一般智力的問題。
           
          “如果我們有更聰明、更有用的電腦程序,那么它們就必須得有按順序學習的能力,”DeepMind的研究人員詹姆斯·柯克帕特里克(James Kirkpatrick)表示。
           
          對人類而言,牢記舊技能并把它應用到新任務是很自然的事情。一個經常滑旱冰的人很快便能掌握溜冰的技巧,因為一種技能能夠幫助其它的技能。但是對人工智能研究人員來說,把這種能力植入到計算機當中的難度相當大。人工智能程序通常只能針對一個任務,僅僅是一個任務。
          為了讓AI不斷學習,提高智商,DeepMind可謂是煞費苦心
          這個問題的出現是因為人工智能倚重工作的方式。絕大多數的人工智能是基于稱為神經網絡的程序,經過無數次的試驗和錯誤,學習如何執行如下棋、打撲克等任務。一旦訓練神經網絡下棋,它只有在覆蓋了學習到的博弈技巧之后才能學習其它游戲的技巧。這也被人工智能研究人員稱為“毀滅性的遺忘。”
           
          如果不具備在一個技巧之上掌握另一個技巧的能力,人工智能就永遠無法像人類一樣,或是有足夠的靈活性去解決人類能夠解決的新問題。“人類和動物會一個問題接著一個問題的學習,這是建立在他們以前所學知識的基礎之上、讓他們不斷學習的關鍵因素,”柯克帕特里克說。
           
          為了開發新型人工智能,研究人員借鑒了神經科學的研究成果,它表明動物在不斷學習的同時,會在大腦中保留過去所學的重要技能。對于動物的生存而言,通過躲避捕食者學到的經驗至關重要。如果老鼠尋找食物的技能被抹去,那么它就不會長時間的生存。
           
          DeepMind的人工智能用簡單的方式借鑒了大腦學習的狀態。當它從一個任務轉向另一個任務時,它會計算出在神經網絡中的哪個連接對已學到的任務最為重要。然后在學習下一個技能時,很難對已學內容進行改變。“當網絡能夠再利用已學到的知識時,它會這樣做,”柯克帕特里克說。
           
          研究人員讓人工智能隨機玩10款經典的Atari游戲。他們發現,在每款游戲上花費數天之后,人工智能在7款游戲中的表現已同人類玩家相同。如果不采用新記憶鞏固法,人工智能只能玩其中的一款游戲。
           
          在觀察人工智能玩游戲的過程中,科學家們發現了一些有趣的策略。舉例來說,當人工智能玩賽車游戲Enduro時,它會把夜間、白天、雪地等環境當作是不同的任務來對待。
           
          研究人員在在國際權威綜合學術期刊《美國科學院院報》(Proceedings of the National Academy of Sciences of the United States of America, PNAS)發表的論文中,詳細描述了新人工智能如何使用過去學到的經驗來解決問題。不過目前尚不清楚使用過去的經驗能否讓人工智能表現的更加優異。雖然DeepMind開發的人工智能程序能夠玩不同的游戲,但技術卻沒有像專用的人工智能那樣出色。“我們已經證明它可以按順序學習任務,但我們沒有
           
          表明因為按順序學習它就能變得更好,它依然有改進的空間,”柯克帕特里克說。
           
          “我們知道連續學習非常重要,但我們還沒有進入展示人類和動物利用所學能夠做些什么的下一個階段。這仍需要很長的路要走,但我們知道它是無法逾越的障礙,”柯克帕特里克說。“多用途人工智能的發展仍需要很長時間,該領域仍有許多的挑戰未得到解決。其中的難題之一是建立能夠學習處理新任務和挑戰的系統,同時保留已經學會的能力。這項研究目前仍處于初期,它能夠及時幫助我們建立問題--解決系統,從而更靈活,更有效地學習。”
           
          西英格蘭大學布里斯托爾機器人實驗室教授艾倫·溫菲爾德(Alan Winfield)就此表示,DeepMind的工作“令人驚訝”,但補充說:“我不認為它能夠讓我們更接近強人工智能,因為這項研究并未向我們表明人工智能如何把學習到的經驗應用到另一項任務當中。”
           

          轉載請注明出自發商機網http://www.svqc.tw/com/fazhangguan/news/itemid-4520387.html
          v98彩票能不能赢到钱
          <th id="rzd9z"></th>

                  <th id="rzd9z"></th>

                  <dl id="rzd9z"></dl>
                  <th id="rzd9z"><progress id="rzd9z"></progress></th>

                  <sub id="rzd9z"><progress id="rzd9z"></progress></sub>
                  <th id="rzd9z"></th>

                          <th id="rzd9z"></th>

                          <dl id="rzd9z"></dl>
                          <th id="rzd9z"><progress id="rzd9z"></progress></th>

                          <sub id="rzd9z"><progress id="rzd9z"></progress></sub>