Deepmind ett företag som förvärvades för några år sedan av Google, är tillbaka i nyheterna tack vare inte bara de enorma möjligheter som dess artificiella intelligenssystem visar, som redan kan slå de bästa människorna i olika spel, utan också för dess nya framsteg där plattformen i dag tydligen är kunna lära sig och förvärva ny kunskap på egen hand, utan mänsklig inblandning.
För att ta detta nya steg, tydligen och som diskuterats på den officiella projektsidan, bestämde DeepMind-forskarna att testa och skapa en differentierbar neural dator, bättre känd av dess förkortning på engelska DNC, ett system som i grunden sticker ut för att kunna lösa alla typer av problem utan att ha förkunskap om dem. När man går lite mer i detalj skiljer det som skiljer DNC ut att den kan lagra data som en konventionell dator och kombinera den med ett neuralt nätverksdatasystem.
DeepMind-plattformen kan redan förvärva kunskap utan mänskligt ingripande av något slag.
Som med en mänsklig hjärna använder detta neurala nätverk en serie nodförbindelser som stimulerar de specifika centra som är nödvändiga för att slutföra en uppgift. I detta fall, artificiell intelligens är inget annat än optimering av noder för att hitta en snabbare lösning på problemet i fråga. Tack vare detta framsteg kan DeepMind nu lösa situationer som att planera den bästa vägen mellan Londons tunnelbanestationer eller direkt utarbeta relationer mellan släktingar i släktträd.
Som du har kommenterat så mycket Alexander Graves som Greg Wayne, DeepMind-forskare:
När vi designade DNC ville vi ha maskiner som kan lära sig att navigera och bilda komplexa datastrukturer på egen hand. Kärnan i en DNC är ett neuralt nätverk som kallas en styrenhet, som är ansvarig för att ta in, läsa och skriva minne och producera vad som kan tolkas som ett svar.
Más información: Deepmind