0 |
Главным недостатком существующих систем искусственного интеллекта (ИИ) является то, что они не могут решать задачи, для которых не были обучены. Даже когда они проходят переподготовку, большинство этих систем склонны к «катастрофическому забыванию», когда новая специализация может разрушать ранее приобретённые знания.
Исследователи из некоммерческого научно исследовательского института SRI International, базирующегося в Менло Парк (штат Калифорния), предприняли попытку перенести на системы ИИ биологические механизмы кратко- и долгосрочной памяти, что, по их мнению должно сделать такие системы более адаптивными.
«Мы создаем новое поколение систем искусственного интеллекта, способные учиться на собственном опыте, — заявил в интервью Сек Чай (Sek Chai), один из ведущих исследователей проекта DARPA Lifelong Learning Machines (L2M). — Сегодняшние системы ИИ не могут этого делать, потому что они не адаптивны. Проект DARPA L2M, возглавляемый доктором Хавой Зигельманном (Hava Siegelmann), стремится к фундаментальному изменению возможностей ИИ».
В статье, опубликованной ими на сервере arXiv, сотрудники SRI описывают механизм генеративной памяти, который комбинирует повторное обучение и обучение с подкреплением (reinforced learning), позволяя системам ИИ извлекать уроки из всей истории предшествующих воспоминаний и адаптировать их к множеству учебных задач или предметов.
Генеративная память использует шифрование, чтобы отделить участок предыдущей, латентной памяти, в то же время сохранив его в роли среды для подкрепления последующего обучения.
«Системы генеративного ИИ применялись для создания произведений искусства, музыки и т. д., — пояснил Чай. — В наших исследованиях мы используем их для кодирования генеративного опыта, который впоследствии можно будет использовать при обучении с подкреплением. Такой подход основан на биологических процессах, протекающих во сне и в мечтах, когда мы вспоминаем или воображаем фрагменты опыта, закреплённые в нашей долгосрочной памяти».
В настоящее время исследователи проверяют свой подход на компьютерных стратегических играх, таких как StarCraft2, которые обычно используются для обучения и оценки систем ИИ. Способности интеллектуальных агентов к адаптации, их универсальность и безопасность тестируют введением в игру неожиданностей, например, внезапных изменений ландшафта или арсенала возможностей персонажа.
Стратегія охолодження ЦОД для епохи AI
0 |