Исследователи продолжают совершенствование нейронных сетей
В последние годы многие крупные компании мира технологий сосредоточились на развитии искусственного интеллекта и систем машинного обучения. Современные нейросети как правило обучаются только тому, что «скармливают» им исследователи, вместо того, чтобы использовать уже накопленный опыт, как это делает мозг человека. Команда ученых из DeepMind, входящего в холдинг Alphabet, решили исправить это. Они создали алгоритм, позволяющий нейронным сетям накапливать опыт и обучаться более эффективно.
Созданный алгоритм получил название Elastic Weight Consideration. При изучении чего-то нового нейросеть будет связывать уже имеющиеся знания с новыми, для ускорения процесса обучения и выполнения поставленной задачи. В ходе тестирования алгоритма в десяти классических видеоиграх Atari, искусственный интеллект использовал накопленные знания из одной игры и применял их для обучения в следующей – вместо того, чтобы разбираться «с нуля».
Как рассказали в компании, на сегодняшний день технология весьма далеко от совершенства. При выполнении одной задачи Elastic Weight Consideration демонстрирует худшие результаты, нежели традиционные нейрсети, «заточенные» под одну конкретную операцию. Тем не менее в DeepMind видят будущее за своей разработкой, а также считают, это поможет в изучении того, как человеческий мозг собирает и запоминает информацию.
Исследователи продолжают совершенствование нейронных сетей
В последние годы многие крупные компании мира технологий сосредоточились на развитии искусственного интеллекта и систем машинного обучения. Современные нейросети как правило обучаются только тому, что «скармливают» им исследователи, вместо того, чтобы использовать уже накопленный опыт, как это делает мозг человека. Команда ученых из DeepMind, входящего в холдинг Alphabet, решили исправить это. Они создали алгоритм, позволяющий нейронным сетям накапливать опыт и обучаться более эффективно.
Созданный алгоритм получил название Elastic Weight Consideration. При изучении чего-то нового нейросеть будет связывать уже имеющиеся знания с новыми, для ускорения процесса обучения и выполнения поставленной задачи. В ходе тестирования алгоритма в десяти классических видеоиграх Atari, искусственный интеллект использовал накопленные знания из одной игры и применял их для обучения в следующей – вместо того, чтобы разбираться «с нуля».
Как рассказали в компании, на сегодняшний день технология весьма далеко от совершенства. При выполнении одной задачи Elastic Weight Consideration демонстрирует худшие результаты, нежели традиционные нейрсети, «заточенные» под одну конкретную операцию. Тем не менее в DeepMind видят будущее за своей разработкой, а также считают, это поможет в изучении того, как человеческий мозг собирает и запоминает информацию.
Исследователи продолжают совершенствование нейронных сетей
В последние годы многие крупные компании мира технологий сосредоточились на развитии искусственного интеллекта и систем машинного обучения. Современные нейросети как правило обучаются только тому, что «скармливают» им исследователи, вместо того, чтобы использовать уже накопленный опыт, как это делает мозг человека. Команда ученых из DeepMind, входящего в холдинг Alphabet, решили исправить это. Они создали алгоритм, позволяющий нейронным сетям накапливать опыт и обучаться более эффективно.
Созданный алгоритм получил название Elastic Weight Consideration. При изучении чего-то нового нейросеть будет связывать уже имеющиеся знания с новыми, для ускорения процесса обучения и выполнения поставленной задачи. В ходе тестирования алгоритма в десяти классических видеоиграх Atari, искусственный интеллект использовал накопленные знания из одной игры и применял их для обучения в следующей – вместо того, чтобы разбираться «с нуля».
Как рассказали в компании, на сегодняшний день технология весьма далеко от совершенства. При выполнении одной задачи Elastic Weight Consideration демонстрирует худшие результаты, нежели традиционные нейрсети, «заточенные» под одну конкретную операцию. Тем не менее в DeepMind видят будущее за своей разработкой, а также считают, это поможет в изучении того, как человеческий мозг собирает и запоминает информацию.
Исследователи продолжают совершенствование нейронных сетей
