211service.com
¿Qué sucede cuando le das a una IA una memoria de trabajo?
Un nuevo tipo de computadora, ideada por investigadores de Google DeepMind en el Reino Unido, podría ampliar las capacidades de los mejores sistemas de inteligencia artificial de la actualidad al brindarles una nueva característica importante: una especie de memoria de trabajo.
Los investigadores muestran que la computadora, que consiste en una gran red neuronal conectada a una forma única de memoria, puede realizar tareas relativamente complejas al descubrir por sí misma qué información guardar en su memoria. Las tareas incluyen descubrir la mejor manera de ir de una estación a otra en la red de transporte subterráneo similar a un espagueti de Londres, después de explorar diagramas de otros tipos de redes y conocer las características más destacadas.
Los investigadores de Google DeepMind llaman a su sistema una computadora neuronal diferenciable. Es diferenciable en el sentido de que su comportamiento, incluido lo que se almacena en la memoria, se puede aprender mediante el proceso matemático, llamado retropropagación, que subyace en el funcionamiento de las redes neuronales. A medida que la red se entrena con datos, almacenará automáticamente cierta información en una matriz de memoria.
Al igual que una computadora convencional, puede usar su memoria para representar y manipular estructuras de datos complejas pero, al igual que una red neuronal, puede aprender a hacerlo a partir de los datos, escriben los autores, que incluyen a Alex Graves, Greg Wayne y Demis Hassabis. un artículo publicado hoy en la revista Naturaleza .
El avance es un paso hacia la inteligencia artificial que es un poco más humana en sus habilidades. Si bien la técnica es limitada por ahora, los sistemas construidos de esta manera podrían algún día realizar un trabajo útil, dice Ruslan Salakhutdinov , profesor asociado en CMU que se especializa en aprendizaje automático e IA. Por ejemplo, una versión más avanzada podría rastrear Wikipedia y descubrir qué conceptos significativos, como nombres, lugares y fechas, almacenar en la memoria. O podría permitir que un robot use la información aprendida en un entorno en uno completamente nuevo. Es un trabajo muy emocionante, dice Salakhutdinov.
Los últimos sistemas de aprendizaje automático son brillantes en ciertas tareas, como reconocer rostros en imágenes o palabras habladas. Y con la práctica pueden aprender a realizar tareas complejas como jugar juegos de computadora a un nivel experto. Pero requieren grandes cantidades de datos específicos para el entrenamiento y, a diferencia de los humanos, no pueden almacenar mucho de lo que han aprendido en la memoria para usarlo más adelante. Esto presenta un problema en muchas áreas, incluido el idioma (consulte el Problema del idioma de AI).
Salakhutdinov señala, sin embargo, que hacer que una computadora neuronal tan diferenciable sea más compleja podría ser difícil. Eso es porque para acceder a su memoria, tiene que realizar un cálculo complejo consultando cada pieza almacenada. Es muy difícil hacer que estas cosas funcionen, dice. Ampliar puede ser un poco problemático.
Curiosamente, el trabajo acerca un poco más dos campos de la IA que han estado en desacuerdo durante mucho tiempo. Los primeros trabajos en inteligencia artificial involucraron máquinas de programación para representar información simbólicamente, mientras que la moda actual es usar redes neuronales muy grandes que se entrenan para realizar tareas. Durante mucho tiempo, algunos tradicionalistas de la IA y científicos cognitivos han cuestionado si las redes neuronales pueden hacer lo que hacen los humanos sin obtener una capacidad más profunda para representar información simbólicamente.
Lo que más me impresiona es la capacidad de la red para aprender 'algoritmos' a partir de ejemplos, dice lago brenden , un científico cognitivo de la Universidad de Nueva York que estudia formas de hacer que las computadoras imiten la inteligencia humana. Esto podría ampliar la utilidad del aprendizaje profundo. Los algoritmos, como ordenar o encontrar las rutas más cortas, son el pan de cada día de la informática clásica. Tradicionalmente requieren un programador para diseñar e implementar.
Pero Lake señala que el sistema todavía no es del todo parecido a un humano en la forma en que funciona. Las personas pueden elegir una nueva tarea con una cantidad limitada de experiencia, especialmente si están familiarizadas con el dominio, dice. Por el contrario, la computadora neuronal diferencial se entrena en decenas o cientos de miles de ejemplos de cada tarea. Creo que la capacidad humana para aprender rápidamente nuevas tareas será uno de los próximos grandes desafíos de la IA.