Секреты невероятной силы нейронных сетей

Мощные системы искусственного интеллекта (ИИ) так хорошо работают, потому что их структура использует фундаментальные законы мироздания, предполагает новое исследование.

Результаты эксперимента могут помочь ответить на давние загадки про класс искусственного интеллекта, которые используют стратегию под названием «глубокое обучение». Это глубокое обучение или глубокие нейросетевые программы, представляют собой алгоритмы, который имеет много слоев. Глубокие нейронные сети часто хорошо решают сложные задачи классификации и многие другие.

Оказывается, одной из причин их эффективности может быть то, что они используют особые свойства физического мира, — сказал Макс Тегмарк, физик из Массачусетского технологического института (mit) и соавтор нового исследования.

Глубокое обучение

В прошлом году, ИИ решил задачи, которые многие люди считали невозможными: DeepMind, Google и система глубокого обучения, разгромили самый лучший в мире игроком в Go после соперничали в Европейскомуйти чемпионате. Но еще более удивительно, чем полнейший разгром своих противников, это как он справился с этой задачей.

«Большая тайна нейронных сетей, почему они так хорошо работают», — сказал соавтор исследования Генри Лин, физик из Гарвардского университета. «Почти все проблемы мы бросаем на них, а они решают».

Например, DeepMind явно не учили стратегии и не научили распознавать классическую последовательность ходов. Вместо этого, алгоритм просто «смотрел» игры других, а потом играл много против себя и других игроков.

Еще одна давняя загадка-почему эти глубокие сети гораздо лучше, чем так называемые «мелкие», которые содержат всего лишь один слой, говорит Тегмарк. Глубокие сети имеют иерархию и похожи на связи между нейронами в мозге, с низшего уровня информация течет к более «высокой» группе нейронов, и это повторяется в течение многих слоев. Аналогичным образом, более глубокие слои таких нейронных сетей, делают некоторые расчеты, а потом кормят этими результатами более высокие уровни программы, и так далее, — сказал он.

Проблемы, с которыми сталкиваются нейронные сети на самом деле это специальные математические задачи, которые могут быть радикально упрощены.

«Если вы посмотрите на класс наборов данных, которые мы реально встречаем в природе, они намного проще, чем мы могли себе представить», — говорит Тегмарк.

«Дело в том, что некоторые законы физики, как те, которые регулируют идеальный газ, остаются достаточно простыми, в то время как некоторые становятся довольно сложными. Так что есть множество дополнительных работ, которые нужно сделать, чтобы узнать почему глубокое обучение так хорошо работает». Сказал Лин.

Добавить комментарий


Защитный код
Обновить