Hvordan Real Life Ai Rivals 'Ultron': Computere Lær At Lære

{h1}

Arificial intelligence ingeniører håber at skabe computere, der lærer bedre end mennesker, rivaling smarts af robotter som avengers 'ultron.

Kunstig intelligens vil styre Hollywood (intelligent) i 2015, med en dræbe af både ikoniske og nye robotter, der rammer skærmen. Fra den Turing-bashing "Ex Machina" til gamle venner R2-D2 og C-3PO, og nye fjender som Avengers 'Ultron, vil kendte robotter demonstrere en række menneskelige og superhumanske træk på skærmen. Men virkelige robotter kan være lige så spændende. I denne femdelte serie ser WordsSideKick.com på disse fremskridt inden for maskinens intelligens.

Når Iron Man og venner omgrupperes i maj for at bekæmpe titulærroboten i "Avengers: Age of Ultron", vil de ikke kvadre mod den samme gamle Hollywood-dør. Ultron vil være en anden slags mekanisk mand, regissør Joss Whedon fortalte Yahoo! Film - fordi denne robot er "bonkers". Denne vildfarelse skyldes delvis lærdomskapacitet, en hurtigt fremskredende del af det virkelige AI.

Velsignet og byrdet med en enorm læringskapacitet, Ultron mestrer 3.000 års menneskelig historie i et blunk - uden modenhed til at håndtere denne viden. Og så går han lidt skør. Ved at gøre studiousness til en af ​​hans robotters definerende træk, spejler Whedon en stor ambition for nuværende AI: Ingeniører vil have deres robotter at lære - forhåbentlig såvel som, hvis ikke bedre end mennesker.

De såkaldte "deep learning" -systemer har taget afsted, med antallet af laboratorier, der arbejder med teknologisk multiplikation, fortalte Patrick Ehlen, leder af dyb læring på Loop AI Labs, Observer. Google sidste år købte Londons DeepMind Technologies, hvis hemmelige Neural Turing Machine-projekt sigter mod at opbygge en computer, der kan lære som en person. [Super-Intelligent Machines: 7 Robotic Futures]

Selv om detaljerne på projektet er tynde, tegner teknologien sig som et selvindlærende AI-sind på strukturerne i pattedyrs hjernen, Chris Eliasmith, en computational neuroscience forsker ved University of Waterloo i Canada, fortalte WordsSideKick.com.

"I biologi er der en sløjfe fra de basale ganglier til cortex og tilbage" - de basale ganglier, der fungerer som regulator, cortex som hukommelse, sagde Eliasmith. "I en Neural Turing Machine har du det samme system af hukommelse og en controller."

Disse strukturer tillader "forstærkning læring", sagde Eliasmith, hvor enkeltpersoner lærer ny adfærd baseret på de belønninger, de får for at tage forskellige handlinger. Hjernen eller det neurale netværk formidler denne læring, idet controlleren tildeler vægte til forskellige handlinger baseret på deres belønninger og hukommelsen lagrer dataene.

Kernidéen er ikke nødvendigvis ny. Nerveforskere har studeret denne slags læring siden Pavlov først lurede sine hunde for at forbinde en ringetone med fodringstid, sagde Eliasmith. Men forsøget på at modellere det i en kunstig computer er en ny teknik taktik, sagde han. Dagens mere kraftfulde processorer har gjort sådan neuronal modellering mere gennemførlig.

Tjek resten af ​​denne serie: Hvordan Real Life AI Rivals 'Chappie': Roboter Få Emosionelle,Hvordan Real Life AI Rivals 'Ex Machina': Passerer Turing, Hvordan Real Life AI Rival 'Terminator': Roboter Tag skuddet, og Hvordan Real Life AI Rivals 'Star Wars': En Universal Oversætter?

Følg Michael Dhar @michaeldhar. Følg os @wordssidekick, Facebook& Google+. Originalartikel på WordsSideKick.com.


Video Supplement: .




DA.WordsSideKick.com
All Rights Reserved!
Reproduktion Af Materialer Tilladt Kun Prostanovkoy Aktivt Link Til Webstedet DA.WordsSideKick.com

© 2005–2019 DA.WordsSideKick.com