| 0 |
|
Сегодняшние программы искусственного интеллекта (ИИ) могут обучаться на примерах и приобретать опыт, необходимый для выполнения таких задач, как классификация изображений или игра на бирже. Однако, при их переключении на новую проблему, накопленный ранее опыт становится полностью бесполезен.
«Если мы хотим, чтобы компьютерные программы стали умней и полезней, они должны получить такую возможность последовательного обучения», — отметил в интервью представитель DeepMind, Джеймс Киркпатрик (James Kirkpatrick).
Эта фирма, теперь принадлежащая Google, объявила, что ей удалось найти рецепт от «катастрофической забывчивости» машинного интеллекта и доработать свои алгоритмы так, что навыки, полученные машиной при решении одной задачи, теперь сохраняются и могут применяться ко всем последующим.
Усовершенствованная нейросеть оценивает полученную в ходе обучения информацию и сохраняет самое ценное для последующего использования. Такой подход позволил ей за несколько дней достичь уровня человеческого игрока в семи из 10 игр для видеоприставки Atari 2600. Традиционный «забывчивый» алгоритм освоил за это время только одну игру, правда, добился в ней более высоких результатов.
«Мы продемонстрировали, что она может последовательно учиться решать задачи, но мы не показали, что она от этого осваивает их лучше, — отметил Киркпатрик. — Мы пока не готовы продемонстрировать тип обучения, свойственный людям и животным. Это дело будущего. Но мы теперь знаем, что считавшаяся крупным препятствием для этого проблема не является непреодолимой».
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
| 0 |
|
