På hvilken måde kan man tale om en computer udvikle en følelse af tid? Det er et interessant spørgsmål, som foreslået af ny forskning fra Ruprecht-Karls-Universität i Heildelberg og samarbejdende institutioner, der forsøger at skabe i et neuralt netværk “pil af tid.”
Pilen tid, opfundet af astronomen Arthur Eddington, er forestillingen om, at tiden har en retning, en følelse af, at forhold overgang fra den ene til den anden langs en bane, og ikke omvendt, at forløb. Du kan tænke på at vælte en vase fra en tabel. Med vasen liggende i stykker på gulvet, den tidligere tilstand, hvor det er intakt på bordet, er nu tilgængelig, der giver folk en følelse af time ‘ s passage.
Kan en computer være udstyret med, at faktum om den fysiske verden?
Hovedforfatter Nasim Rahaman og kolleger udviklet et neuralt netværk, der ændrer, hvad der er kendt som forstærkning læring, udøvelse af handlinger, der fører til mål. Netværket beregner sandsynligheden for, at når en given situation, fører til en anden, processen er ikke sandsynligt, at blive tilbageført til den tidligere tilstand.
Som de skriver, “Vi mennesker synes at have en medfødt forståelse af den asymmetriske progression af tid, som vi bruger til effektivt og sikkert opfatte og manipulere med vores miljø.
Rahaman et al. compute “h-potentiale” i et spil, hvor en bil er gået over et bjerglandskab. Tilstedeværelsen af friktion i bilens fremskridt, der tilføjer op til effekttab i modellen af spillet, der er repræsenteret som den lyse røde h-potentiale på et bestemt punkt i bilens position og hastighed.
Rahaman et al. 2019
“Vi spørger, om og hvordan disse egenskaber kan udnyttes til at lære en repræsentation, der funktionelt efterligner vores forståelse af den asymmetriske karakter.”
Resultatet af den forskning, der er ikke en fornemmelse af tid i den måde, vi i daglig tale tænker på det. I stedet for, at computeren er i stand til at beregne den nødvendige orden i stater anliggender. Den kapacitet, forfatterne hævder, kunne forbedre styrkelse læring for ting som at sørge for, at kunstig intelligens ikke medføre utilsigtede virkninger (forestil dig, at A. I. optræder i en medicinsk anvendelse.)
Også: IBM ‘ s AI flyver frem og tilbage gennem tiden i Flappy Fugl
Papiret, “at Lære Pil,” er udgivet på arXiv pre-print server, og er co-forfattet af Rahaman, der har flere aftaler på Ruprecht-Karls-Universität, Montreal ‘ s prestigefyldte MILA institut for machine learning og Max-Planck Institute for Intelligente Systemer; Steffan Ulv og Romerske Remme af Ruprecht-Karls; og Anirudh Goyal og navn som egentlig betyder yoshua Bengio af MILA. Bengio, du vil bemærke, er en af tre modtagere af dette års ACM ‘ s Turing Award for præstation inden for it.
Forfatterne anvendte en form for forstærkning læring kaldet Q-Læring. Den vigtige del er, at i modsætning til spillet skak, eller gå, hvor forstærkning læring bliver hjulpet af at kende reglerne for spillet, i dette arbejde, og reglerne er ikke kendt. En computer er input med forskellige stater i et miljø med ingen viden om, hvordan en stat kan føre til en anden. Computeren har for at beregne, hvor forskellige tilstande kan nås fra hinanden, og som ikke kan måle en af irreversibel handling.
Et eksempel er, hvad der er kendt som “2D verden med vaser.” Computeren kan flytte en virtuel agent omkring et gitter af felter, mod et mål, der ligger et eller andet sted på nettet. Som det bevæger sig, det møder vaser på nogle af fliserne. Hvis den møder en vase forsvinder fra nettet, der repræsenterer den vase, der har været brudt, ved at man forestiller sig, at den virtuelle agent vælte vasen fra sin lille tabel. At ændre vase forsvinde og aldrig dukker op igen, betyder, at den tidligere tilstand, en flise med en vase, er ikke længere tilgængelig.
At udforske på denne måde, computeren er ved at forvandle begyndelsen state of the grid, hvor der er ingen oplysninger om, hvad stater føre til, at en anden, til en samlet kort over, hvad stater kan nås, og hvilke stater bliver utilgængelig på grund af et knust vase. I formel henseende er computeren ved at beregne en funktion, der kaldes, “h-potentiale,” symboliseret ved bogstavet “h” i ligninger, som øger som der er flere stater i spillet nettet med ødelagte vaser. Denne h-potentiale er derefter brugt til at konstruere en “interoperabilitet” foranstaltning, symboliseret ved det græske bogstav “η,” ita. Sikre adgang for så bliver det et spørgsmål om design og i, hvordan handlinger føre til, at lande med højere h-potentiale.
Hvad er AI? Alt hvad du behøver for at knowWhat er dyb læring? Alt hvad du behøver for at knowWhat er machine learning? Alt hvad du behøver for at knowWhat er cloud computing? Alt, hvad du behøver at vide
Alt dette har en række praktiske anvendelser. For eksempel, det kan være en måde at opbygge A. I. systemer med færre utilsigtede bivirkninger, som i den medicinske eksempel.
Men bare det, der er lært, præcis? I teorien, forfatterne viser, at denne model af forhold — computing den stigning i h-potentiale, og at sikre adgang ændre, og derfor er den irreversibel forhold — er enig med grundlæggende fysik. Specielt, forudsigelser af deres program er enig med de “gratis-energi funktion” af statistisk fysik om, hvordan partikler gennemgå en Brownsk bevægelse. Du kan tænke på fysik som “ground truth”, er “den sande pil,” som de skriver.
Men der er andre ting på tide, at du ikke faktor i her. For eksempel, design og interoperabilitet gør ikke klart noget om kausalitet. En computer, der ikke er beregnet noget, der ligner en model for, hvordan vaser er brudt. Og en følelse af kausalitet er velsagtens en del af et menneskes følelse af pil.
Som forfatterne skriver i deres afsluttende bemærkninger, “det Fremtidige arbejde kunne trække forbindelser til algoritmisk uafhængighed af årsag og mekanisme og udforske applikationer i kausal inferens.”
Kunstig Intelligens
Færre mennesker, der søger AI job: er markedet ved at køle, eller for varmt til at håndtere?
De data, der tog AI i stigende grad spørgsmålstegn AI
AI er en ændring af hele naturen af compute
En troværdig AI initiativ i EU
En AI neurale netværk er at give katte skræmmende navne (CNET)
AI skabt 3x så mange jobs som den dræbte sidste år (TechRepublic)
Relaterede Emner:
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
Intelligente Byer