Σε ένα σημαντικό βήμα για την τεχνητή νοημοσύνη, το υβριδικό σύστημα της Alphabet, που ονομάζεται Differential Neural Computer (DNC) χρησιμοποιεί τα δεδομένα που έχει ήδη αποθηκευμένα από συμβατικούς υπολογιστές και τα αντιστοιχεί με ένα πολύ έξυπνο AI και ένα νευρωνικό δίκτυο ικανό για γρήγορο parsing. «Τα μοντέλα αυτά μπορούν να μάθουν από παραδείγματα, όπως τα νευρωνικά δίκτυα, αλλά μπορούν επίσης να αποθηκεύουν σύνθετα δεδομένα, όπως ακριβώς και οι υπολογιστές,» ανέφεραν οι ερευνητές του DeepMind Alexander Graves και Greg Wayne. Όπως ακριβώς και ένας εγκέφαλος, το νευρικό δίκτυο χρησιμοποιεί διασυνδεδεμένους κόμβους για την τόνωση συγκεκριμένων κέντρων που απαιτούνται για να ολοκληρωθεί μια εργασία.
Σε αυτήν την περίπτωση, το AI βελτιστοποιεί τους κόμβους να βρει την ταχύτερη λύση και να παραδώσει το επιθυμητό αποτέλεσμα. Σύμφωνα με τους ερευνητές, με την πάροδο του χρόνου, θα χρησιμοποιεί τα αποκτηθέντα δεδομένα για να γίνει πιο αποτελεσματικό στην εύρεση της σωστής απάντησης. Έτσι αντί να πρέπει να μάθει κάθε πιθανή έκβαση για να ανακαλύψει μια λύση, από τις πληροφορίες που του τροφοδοτούν οι προγραμματιστές, το DeepΜind θα μπορεί να βρει απαντήσεις από προηγούμενες εμπειρίες του, από την εσωτερική του μνήμη και όχι από εξωτερικούς προγραμματισμούς. Ανάλογα με την οπτική γωνία που το βλέπει ο καθένας, το γεγονός θα μπορούσε να είναι μια σοβαρή στροφή στα πιο έξυπνα AI που μπορεί μια μέρα να είναι σε θέση να σκέφτονται και να μαθαίνουν, όπως ακριβώς κάνουν και οι άνθρωποι.
https://deepmind.com/blog/differentiable-neural-computers/
https://secnews.gr/149184/google-deepmind-differentiable-neural-compu/
Σε αυτήν την περίπτωση, το AI βελτιστοποιεί τους κόμβους να βρει την ταχύτερη λύση και να παραδώσει το επιθυμητό αποτέλεσμα. Σύμφωνα με τους ερευνητές, με την πάροδο του χρόνου, θα χρησιμοποιεί τα αποκτηθέντα δεδομένα για να γίνει πιο αποτελεσματικό στην εύρεση της σωστής απάντησης. Έτσι αντί να πρέπει να μάθει κάθε πιθανή έκβαση για να ανακαλύψει μια λύση, από τις πληροφορίες που του τροφοδοτούν οι προγραμματιστές, το DeepΜind θα μπορεί να βρει απαντήσεις από προηγούμενες εμπειρίες του, από την εσωτερική του μνήμη και όχι από εξωτερικούς προγραμματισμούς. Ανάλογα με την οπτική γωνία που το βλέπει ο καθένας, το γεγονός θα μπορούσε να είναι μια σοβαρή στροφή στα πιο έξυπνα AI που μπορεί μια μέρα να είναι σε θέση να σκέφτονται και να μαθαίνουν, όπως ακριβώς κάνουν και οι άνθρωποι.
https://deepmind.com/blog/differentiable-neural-computers/
https://secnews.gr/149184/google-deepmind-differentiable-neural-compu/
Επίσης η αυτή εταιρία υποστηρίζει ότι κατάφερε να θέση σε λειτουργία τον κβαντικό υπολογιστή της, ένας συνδυασμός των δύο όταν ο εν λόγο υπολογιστής θα μπορεί να κάνει ποιο περίπλοκα πράγματα από αυτά που τον έχουν και κάνει τώρα, στο στάδιο της έρευνας, θα άλλαζε την πορεία των πραγμάτων.
ReplyDelete12G
ΕΝΔΙΑΦΕΡΟΥΣΑ Η ΠΑΡΑΤΗΡΗΣΗ ΣΟΥ 12G ΔΕΔΟΜΕΝΟΥ ΠΩΣ ΕΤΗ ΠΟΛΛΑ ΤΩΡΑ, ΠΙΣΤΕΥΩ ΠΩΣ Η ΤΥΧΑΙΟΤΗΤΑ, ΟΠΩΣ ΚΑΙ Η ΠΡΟΒΛΕΨΗ ΤΟΥ ΜΕΛΛΟΝΤΟΣ ΕΙΝΑΙ ΑΠΛΑ Ο ΣΩΣΤΟΣ ΟΡΙΣΜΟΣ ΚΑΙ Ο ΑΠΟΛΥΤΟΣ ΕΛΕΓΧΟΣ ΤΩΝ ΛΕΓΟΜΕΝΩΝ ΜΕΤΑΒΛΗΤΩΝ ΠΑΡΑΜΕΤΡΩΝ ΚΑΙ ΜΕΤΑΤΡΕΠΟΝΤΑΣ ΤΙΣ, ΕΤΣΙ ΣΕ ΣΤΑΘΕΡΕΣ. ΓΙΑ ΜΙΑΝ ΑΝΩΤΕΡΗ ΔΙΑΝΟΙΑ ΔΕΝ ΥΦΙΣΤΑΤΑΙ Η ΛΕΓΟΜΕΝΗ ΤΥΧΗ ΟΥΤΕ ΦΥΣΙΚΑ ΑΒΕΒΑΙΟΤΗΤΑ. ΚΑΛΟΙ ΥΠΟΛΟΓΙΣΜΟΙ ΧΡΕΙΑΖΟΝΤΑΙ.
ReplyDelete