Передовому ИИ нужны машины, которые учатся больше, чем люди — Расшифровать

Ученые говорят, что они на один шаг ближе к созданию искусственного интеллекта, который может имитировать человеческое обучение.

На конференции по машинному обучению, состоявшейся на этой неделе в Гонолулу, исследователи из Университета штата Огайо — сказал они проанализировали процесс, называемый «непрерывным обучением», который позволяет компьютеру постоянно приобретать новые навыки, не забывая предыдущие знания — так же, как люди опираются на предыдущий опыт, чтобы изучать новые вещи.

Команда заявила, что искусственные нейронные сети могут страдать от «катастрофического забывания», что означает, что когда они берутся за новые задачи, они теряют информацию из предыдущего обучения. Это создает проблему, поскольку общество становится все более зависимым от систем искусственного интеллекта в таких областях, как беспилотные автомобили.

«Поскольку автоматизированные приложения для вождения или другие роботизированные системы учат новым вещам, важно, чтобы они не забывали уроки, которые они уже извлекли для нашей и их безопасности», — сказал Несс Шрофф, выдающийся ученый из Огайо и профессор компьютерных наук и инженер, руководивший исследованием.

Исследование показало, что, как и люди, искусственные сети лучше сохраняют информацию, когда обучены различным, непохожим задачам, а не тем, которые имеют общие черты. Обучение алгоритма различным задачам на раннем этапе расширяет его способность усваивать новую информацию.

«Наша работа знаменует собой новую эру интеллектуальных машин, которые могут учиться и адаптироваться, как и их коллеги-люди», — сказал Шрофф.

Это исследование приближает ученых к разработке искусственного интеллекта, способного обучаться на протяжении всей жизни, подобно человеческому. Это может позволить алгоритмам быстрее масштабироваться и адаптироваться к меняющимся средам.

Исследование Университета штата Огайо было одной из десятков презентаций, представленных на 40-м ежегодном Международная конференция по машинному обучению.

На конференции также были представлены работа в команде в Массачусетском технологическом институте в нем говорилось, что он разработал метод, который может нарушить создание дипфейковых изображений путем внедрения крошечных фрагментов деструктивного кода в исходные изображения.

Технический гигант Google заявил, что его исследования в области искусственного интеллекта и машинного обучения включены в более чем 80 научных статей, включенных в программу ICML, включая демонстрации трехмерного моделирования белков. AlphaFold, прогресс в термоядерная наукаи новые модели, такие как ПАЛМ-Э для робототехники и Фенаки для создания видео из текста.

Шакир Мохамед, директор по науке, технологиям и обществу в Google DeepMind, выступил с программной речью о том, как использовать машинное обучение в социальных целях. Google DeepMind является основным спонсором мероприятия.

«От здравоохранения до изменения климата, машинное обучение обладает огромным потенциалом для решения серьезных проблем и развития общества», — сказал Мохамед в своем выступлении. блоге. «Объединяя разные голоса, мы можем разработать искусственный интеллект, который принесет пользу всем людям».

Примечание редактора: эта история была написана с помощью Decrypt AI из источников, на которые есть ссылки в тексте, и Дело в том, проверено от Одзавы.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Автомобили / электромобили, Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• Смещения блоков. Модернизация права собственности на экологические компенсации. Доступ здесь.
• Источник: https://decrypt.co/150620/ai-learn-like-humans-catastrophic-forgetting-machine-learning-conference