Zero
I critici dell’attuale modalità di tecnologia di intelligenza artificiale sono cresciuti più forte nell’ultimo paio di anni, e questa settimana, Google, uno dei maggiori commerciale beneficiari dell’attuale vogue, ha offerto una risposta, se, forse, non è una risposta, di critica e di pubblico.
In un articolo pubblicato da Google Cervello e la Mente Profonda unità di Google, i ricercatori indirizzo carenze del settore e di offrire alcune tecniche, nella speranza di portare la macchina di apprendimento più lungo il percorso a quello che dovrebbe essere “artificiale l’intelligenza generale,” qualcosa di più simile ragionamento umano.
La ricerca prende atto che l’attuale “deep learning” si avvicina ai non sono riusciti a conseguire la capacità anche di approccio umano abilità cognitive. Senza dumping tutto ciò che è stato raggiunto con cose come “convolutional reti neurali,” o CNNs, il brillante successo di machine learning, propongono modi di impartire la più ampia capacità di ragionamento.
Anche: Google Cervello, Microsoft scandagliare i misteri di reti con AI
La carta, “Relazionale induttivo pregiudizi, un apprendimento profondo, e il grafico reti”, pubblicato su arXiv pre-servizio di stampa, è stato scritto da Peter W. Battaglia di Google DeepMind unità, insieme con i colleghi di Google Cervello, il MIT e l’Università di Edimburgo. Si propone l’utilizzo della rete “grafici” come un mezzo per meglio generalizzare da un’istanza di un problema ad un altro.
Battaglia e colleghi, chiamando il loro lavoro “parte” position paper”, parte la revisione, e la parte di unificazione, di” osservare che AI “ha subito una rinascita di recente,” grazie a “buon mercato dati ed economico le risorse di calcolo.”
Tuttavia, molte caratteristiche di definizione di intelligenza umana, che si è sviluppato sotto molto diverse pressioni, rimangono al di fuori della portata attuale approcci” soprattutto “generalizzare al di là dell’esperienza.”
Quindi, “Un ampio divario tra intelligenza umana e artificiale rimane, soprattutto per quanto riguarda efficiente, generalizzabile di apprendimento.”
Gli autori citano alcuni importanti critici AI quali la new york university il professor Gary Marcus.
In risposta, essi sostengono per “la fusione potente profondo di approcci di apprendimento strutturati rappresentazioni”, e la loro soluzione non è qualcosa che si chiama un “grafico di rete.” Questi sono i modelli delle collezioni di oggetti, o i soggetti, le cui relazioni sono mappate in modo esplicito come “bordi” collegamento di oggetti.
“Cognizione umana rende forte presupposto che il mondo è composto di oggetti e di relazioni,” scrivono, “e perché GNs [grafico reti] una simile ipotesi, il loro comportamento tende ad essere più interpretabile.”
Anche: Google la Prossima 2018: Una più profonda immersione su AI e machine learning anticipazioni
La carta esplicitamente richiama al lavoro per più di un decennio in un grafico a reti neurali.” Inoltre, alcuni echi della recente interesse da parte di Google Cervello della gente nell’utilizzo di reti neurali per capire la struttura della rete.
Ma a differenza di quella precedente lavoro, gli autori fanno l’affermazione sorprendente che il loro lavoro non ha bisogno di utilizzare le reti neurali, di per sé.
Piuttosto, la modellazione delle relazioni degli oggetti è qualcosa che non solo abbraccia tutte le varie macchine modelli di apprendimento — CNNs, reti neurali ricorrenti (RNNs), lungo la memoria a breve termine (LSTM) sistemi, etc. — ma anche altri approcci che non sono le reti neurali, come la teoria degli insiemi.
Google AI ricercatori motivo che molte cose che uno vorrebbe essere in grado di ragionare sulle ampiamente — particelle, frasi, oggetti in un’immagine — sceso per grafici di relazioni tra soggetti.
Google Cervello, Mente Profonda, il MIT, l’Università di Edimburgo.
L’idea è che il grafico reti sono più grandi rispetto a qualsiasi macchina di apprendimento. Grafici di portare una capacità di generalizzare sulla struttura che le singole reti neurali non hanno.
Scrivono gli autori, “i Grafici che, generalmente, sono una rappresentazione che supporta arbitraria (a coppie) struttura relazionale, e calcoli su grafici permettersi un forte relazionale induttivo bias di là di ciò che convolutional e ricorrenti strati in grado di fornire.”
Un beneficio di grafici sembra essere anche che sono potenzialmente più “campione ” efficiente”, che significa che non richiede tanto i dati grezzi in quanto rigorosa rete neurale approcci.
Per permettervi di provare a casa, gli autori di questa settimana offerto un kit di software per grafico reti, per essere utilizzato con Google TensorFlow AI framework, pubblicato su Github.
Anche: Google prepara TPU 3.0 per AI, apprendimento automatico, modello di formazione
Affinché non pensiate gli autori pensano di aver capito tutto, la carta elenca persistenti carenze. Battaglia & Co. porre la domanda, “Dove fare i grafici che grafico reti di operare?”.
Deep learning, si nota, solo assorbe un sacco di dati non strutturati, come il crudo di pixel di informazione. Che i dati non corrispondono ad alcuna entità particolare nel mondo. Così concludono che questo sta per essere una “sfida stimolante” per trovare un metodo che “affidabile estratto di discreta entità da dati sensoriali.”
Sono anche ammettere che i grafici non sono in grado di esprimere tutto: “nozioni come la ricorsione, controllo di flusso, e il condizionale iterazione non è semplice per rappresentare con grafici, e, come minimo, richiedono ulteriori ipotesi.”
Altre forme strutturali, potrebbe essere necessario, come, forse, le imitazioni di computer basati su strutture, tra cui “i registri, memoria, I/O controller, pile, code” e altri.
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Storie correlate:
Non c’è un ruolo per IA o i dati della scienza: questo è un lavoro di squadra di Avvio del Parentado porta scheggia di speranza per l’intelligenza artificiale robotica AI: La vista dal Capo Scienza di Dati Ufficio Salesforce intro Einstein Voce, una IA assistente vocale per le imprese non i posti di lavoro AI è distruggere che mi da fastidio, è che quelli che stanno crescendo Come Facebook scale AI
Argomenti Correlati:
Networking
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0