Nowa wielozadaniowość AI DeepMind uczy się z rekordową prędkością

Nowa wielozadaniowość AI DeepMind uczy się z rekordową prędkością

Brytyjska firma zajmująca się sztuczną inteligencją DeepMind, oddział Google, opracowała nową metodę szkolenia sieci neuronowych, łączącą zaawansowane algorytmy i oldschoolowe gry wideo. Nowy system IMPALA wykonuje jednocześnie kilka zadań – w tym przypadku gra w 57 grach Atari – i wymienia doświadczenia …

Twórcy sieci AlphaGo, którzy wielokrotnie pokonywali osobę w ruchu, uważają, że maszyny mogą uczyć się w taki sam sposób jak ludzie. Z pomocą systemu szkoleniowego DMLab-30, opartego na strzelance Quake III i grach zręcznościowych Atari, zespół opracował nową architekturę IMPALA (ważąca architekta ważącego architekta-ucznia).

[youtube https://www.youtube.com/watch?v=_tUXM7ZfvU4&w=590&h=393]
IMPALA przekazuje informacje otrzymane podczas szkolenia do "aktorów", grupy "Uczniowie". System nie tylko gra 10 razy wydajniej niż inne modele, ale także gra wiele gier jednocześnie.

Jednym z głównych przeciwników twórców sztucznej inteligencji jest czas i moc obliczeniowa, które są niezbędne do treningu sieci neuronowej. Autonomiczne maszyny potrzebują reguł, dzięki którym mogą eksperymentować i szukać sposobów rozwiązania problemów. Ponieważ nie możemy budować robotów i po prostu pozwolić im się uczyć, istnieją symulacje i dogłębne szkolenie ze wzmocnieniami.

[youtube https://www.youtube.com/watch?v=nGddvGLvkbk&w=590&h=393]

Aby nowoczesne sieci neuronowe mogły się czegoś nauczyć, muszą przetwarzać ogromną ilość informacji, w tym przypadku miliardy ramek. Im szybciej to zrobią, tym mniej czasu potrzeba na trening.

Według przedstawicieli DeepMind, jeśli jest wystarczająco dużo procesorów, IMPALA osiąga wydajność 250 000 klatek / s lub 21 miliardów klatek na dzień. Jest to absolutny rekord w zadaniach tego rodzaju, pisze The Next Web. I, jak mówią w dokumentacji do systemu, AI radzi sobie z zadaniem lepiej niż podobne maszyny i ludzie.

Na początku lutego DeepMind wypuścił AI, która diagnozuje choroby oczu "od fotografii" – do skanów siatkówki 3D. Maszyna nauczyła się rozpoznawać oznaki trzech chorób: jaskry, retinopatii cukrzycowej i zwyrodnienia plamki związanego z wiekiem. I szybszy od specjalisty.

Powiązane wiadomości