일체 포함. 기억할 수는 있겠지만, 당신은 여전히 ​​Magic : The Gathering에서 그것을 분쇄 할 것입니다.

신경망은 A.I.의 미래에 중추적 인 역할을합니다. 엘론 머스크 (Elon Musk)에 따르면, 모든 인류의 미래입니다. 다행히도 구글의 딥 마인드 (DeepMind)는 내부 메모리를 제공함으로써 신경 네트워크를 훨씬 더 똑똑하게 만드는 코드에 금이 갔다.

에서 발표 된 연구에서 자연 DeepMind는 10 월 12 일에 신경 네트워크와 메모리 시스템을 결합하여 지식을 저장하는 것이 아니라 상황을 기반으로 추론하는 기계 학습을 만드는 방법을 보여주었습니다. A.I의 가장 큰 도전 중 하나. 그것을 기억하고 있습니다. 우리가 그 목표 달성에 한 걸음 더 가까워지고있는 것처럼 보입니다.

차별화 신경 컴퓨터 (DNC)라고하는 향상된 신경망은 컴퓨터와 매우 유사합니다. 컴퓨터에는 작업을 완료하는 프로세서 (신경망)가 있지만 프로세서가 다른 데이터 포인트 (DNC)에서 알고리즘을 수행하는 데 필요한 메모리 시스템이 필요합니다.

DeepMind의 혁신 이전에는 신경 네트워크가 네트워크의 신경 활동을 방해하지 않도록 외부 메모리에 의존해야했습니다.

외부 메모리가 없으면 신경망은 알려진 정보를 기반으로 한 해결책을 추론 할 수 있습니다. 보다 정확 해지기 위해서는 엄청난 양의 데이터와 실습이 필요합니다. 인간이 새로운 언어를 배우는 것처럼 신경망이 실제로 영리 해지는 데는 시간이 걸립니다. DeepMind의 신경 네트워크가 Go에서 훌륭하지만 전략 기반 게임 Magic에서 끔찍한 것과 같은 이유입니다. 신경망은 메모리없이 충분한 변수를 처리 할 수 ​​없습니다.

메모리를 사용하면 신경망에서 변수를 통합하고 데이터를 신속하게 분석하여 런던 지하철과 같은 복잡한 것을 그래프로 표시하고 특정 데이터 요소를 기반으로 결론을 내릴 수 있습니다. DeepMind의 연구에서 그들은 DNC가 새로 운 그래프와 다른 교통 시스템에 대한 지식을 사용하여 목적지 간 가장 빠른 경로와 어떤 목적지에서 여행이 끝날지에 대한 질문에 답할 수 있음을 발견했습니다. 또한 트리를 제외하고 어떤 정보도 제시되지 않은 가계도로부터 관계를 추론 할 수 있습니다. DNC는 기존의 신경망에 필요한 추가 데이터 포인트를받지 않고 주어진 작업에 목표를 달성 할 수있었습니다.

그것이 굉장히 인상적이지는 않지만 (구글 맵스는 이미 가장 효율적인 경로를 어딘가에 계산하는 데 꽤 능숙합니다),이 기술은 A.I.의 미래를위한 거대한 단계입니다. 예측 검색이 효율적 (또는 오싹)하다고 생각한다면 신경 네트워크 메모리가 얼마나 좋은지 상상해보십시오. Ben이라는 이름으로 페이스 북을 검색하면, 그 친구의 사진을보고있는 친구의 페이지를 보았다는 사실을 알게 될 것입니다. Ben의 의미는 초등 학교에서 Ben이 아니라는 의미입니다.

자연 언어 학습 A.I. 마침내 두 언어 모두에서 작동하기에 충분한 문맥을 갖게 될 것입니다. 월 스트리트 저널 블랙 트위터를 이해할 수 있어야합니다. Siri는 Pepe the Frog이 그녀가 모든 것을 읽었 기 때문에 연극에서 온 인물 이상이라는 것을 이해할 수있었습니다. 역 그것에 관한 기사.

브라이언 덴 레이크 (Brenden Lake) 뉴욕 대학의인지 과학자 인 브렌든 레이크 (Brenden Lake)는 "예를 들어 네트워크의 알고리즘을 배우는 능력에 가장 깊은 인상을 받았다" 기술 검토. "정렬이나 최단 경로 찾기와 같은 알고리즘은 고전적인 컴퓨터 과학의 빵과 버터입니다. 그들은 전통적으로 프로그래머가 설계하고 구현할 것을 요구합니다."

A.I. 문맥을 이해하는 능력은 프로그래밍 된 알고리즘의 필요성을 건너 뛸 수있게합니다.

DeepMind의 DNC가 신경 기억 장치의 첫 번째 실험은 아니지만, 가장 정교합니다. 즉 신경망은 아직 초기 단계에 있으며 인간이 학습 수준에 도달하기 전에 갈 길이 멀다는 것을 의미합니다. 연구원은 여전히 ​​모든 메모리 조각을 사용하여 스캔하고 계산할 수 있도록 시스템 처리를 확장하는 방법을 파악해야합니다.

현재 인간은 신경 학적으로 최고의 권위를 갖습니다.