DeepMind et selskap som ble kjøpt opp for noen år siden av Google, er tilbake i nyhetene takket være ikke bare de enorme mulighetene som dets kunstige intelligenssystem viser, som allerede er i stand til å slå de beste menneskene i forskjellige spill, men også for sin nye fremgang der plattformen i dag tilsynelatende i stand til å lære og tilegne seg ny kunnskap alene, uten menneskelig inngripen.
For å ta dette nye trinnet, tilsynelatende og som diskutert på den offisielle prosjektsiden, bestemte DeepMind-forskere seg for å teste og lage en differensierbar nevral datamaskin, bedre kjent med akronymet på engelsk DNC, et system som i utgangspunktet skiller seg ut for å kunne løse alle typer problemer uten å ha forkunnskap om dem. Når vi går litt mer i detalj, er det som skiller DNC at den er i stand til å lagre data som en vanlig datamaskin og kombinere den med et nevralt nettverksdatasystem.
DeepMind-plattformen er allerede i stand til å tilegne seg kunnskap uten menneskelig inngripen av noe slag.
I likhet med en menneskelig hjerne bruker dette nevrale nettverket en rekke nodeforbindelser for å stimulere de spesifikke sentra som er nødvendige for å fullføre en oppgave. I dette tilfellet, kunstig intelligens er ikke noe mer enn optimalisering av noder for å finne en raskere løsning på det aktuelle problemet. Takket være dette fremskrittet er DeepMind nå i stand til å løse situasjoner som å planlegge den beste ruten mellom undergrunnsstasjoner i London eller direkte å bygge relasjoner mellom slektninger i slektstrær.
Som du har kommentert så mye Alexander Graves som Greg wayne, DeepMind-forskere:
Da vi designet DNC, ønsket vi maskiner som kunne lære å navigere og danne komplekse datastrukturer alene. I hjertet av en DNC er et nevralt nettverk kalt en kontroller, som er ansvarlig for å ta input, lese og skrive minne, og produsere det som kan tolkes som et svar.
Mer informasjon: DeepMind