Переводчик: Эвелин Монтес Рецензент: Мишель Джанэлла
Подумайте о мозге однолетнего ребенка.
Вы знаете, сколько новых соединений
формируются ли они каждую секунду среди нейронов?
Около 700.
В течение целого дня
они составляют более 60 миллионов новых подключений.
И каждое из этих новых подключений
представляет новый нюанс, новую концепцию
что ребенок узнал в мире через свой опыт.
Дети — чемпионы обучения,
и именно им они смотрят на самые современные техники искусственного интеллекта.
На расстоянии около 50, 60 лет,
поскольку Алан Тьюринг теоретизировал это впервые,
наконец, концепция
что, если мы хотим создать действительно интеллектуальные автономные системы,
мы не должны пытаться дать им все наши знания,
но мы должны сделать их способными к обучению
наиболее эффективным и автономным образом.
Впервые я занимался искусственным интеллектом
Мне было около 15 лет
и в свободное время,
хотя это может показаться маленьким ботаником,
Я создал небольшую программу, небольшую игру,
в котором виртуальный Пьерино должен был убежать от волка,
казнь [] была поглощена.
Особенно то, что я не запрограммировал Пирино, чтобы убежать от волка,
но я только дал ему
способность перемещаться внутри небольшой карты,
Я дал ему шанс увидеть волка,
но, прежде всего, я надеялся
способности учиться на опыте
через простой алгоритм искусственного интеллекта.
Итак, после запуска в этом мире, включил программу,
Я видел, как Пьерино начал изучать
что быть рядом с волком не было большой идеей,
а затем даже научитесь убегать как можно быстрее
как только он увидел это вдали.
И вот как я влюбился в искусственный интеллект.
И даже сегодня,
что проектирование систем искусственного интеллекта — это моя работа,
и это в центре внимания компании, которую я основал,
еще сегодня, чтобы увидеть системы искусственного интеллекта
самостоятельно учиться принимать решения
только через опыт по предоставленным нами данным
для меня это действительно волшебное.
Сейчас прошло почти 20 лет
с того момента, из этого виртуального Пьерино,
и сегодня технология — совсем другое дело.
Фактически,
искусственный интеллект сегодня среди нас.
Например, она способна ездить более безопасно, чем мы, люди,
умеет сражаться в стратегических играх
что до тех пор, пока несколько лет назад они, казалось, были только человеческим достоянием, абсолютно.
Он может узнать нас, нас и наших друзей,
когда мы загружаем фотографии на Facebook.
Но, прежде всего, это помогает нам во многих областях уже сегодня
от финансов до медицины.
Технологическая граница представлена Deep Learning,
то есть глубокое обучение.
Глубокое обучение основано на построении виртуальных мозгов
оснащены тысячами нейронов и миллионами соединений.
И учитесь путем реорганизации этих связей
после каждого проб и ошибок, которые он выполняет
по данным, которые мы предоставляем ему во время обучения.
Таким образом, на этапе обучения,
пытаться принимать решения, принимать нас, совершать ошибки,
и тем временем реорганизует связи внутри своего виртуального мозга,
и при этом учиться.
Так же, как ребенок.
Проблема в том, что, подобно ребенку, который становится взрослым,
также для этих систем искусственного интеллекта
больше знаний означает меньшую гибкость в обучении.
Таким образом, больше знаний, меньше гибкости в обучении.
И это проблема.
И это проблема, которая проиллюстрирована, в частности,
в другой передовой технике искусственного интеллекта
под названием «Укрепление обучения», т.е. обучение путем подкрепления.
Укрепление обучения
он работает через виртуальные награды и виртуальные наказания
которые предоставляются системе в зависимости от результата каждого из ее решений.
Так, например,
Система обучения арфингам, которая учится играть в шахматы
он будет вознаграждаться каждый раз, когда он делает ход
что ставит его в преимущество перед его противником,
в то время как его наказывают практически, когда он делает неуместный ход.
При этом, рука об руку, играя в множество игр,
система узнает.
Проблема в том, что происходит
заключается в том, что через некоторое время после того, как он узнал немного,
система имеет тенденцию, сталкиваясь с подобными ситуациями,
всегда выбирайте первую дорогу
что принесло ему награду в прошлом.
Поэтому, когда вы сталкиваетесь с подобными ситуациями, это безопасно. Он боится ошибиться.
И это огромная проблема,
потому что сказано, что первая дорога принесла нам награду
это также дорога, которая ведет нас к большему успеху.
В результате был изобретен трюк.
И эскамотаж состоит, время от времени,
не всегда, но время от времени,
во время обучения в системе,
чтобы полностью не дать ему бояться ошибиться.
Итак, каждый так часто, система не боится ошибок,
и чувствует себя свободно
экспериментировать новыми способами, принимать новые решения.
При этом,
Очевидно, что большую часть времени он терпит неудачу.
Однако время от времени он откроет новый путь, новую стратегию,
немного творческий, немного другой,
что в конечном итоге приводит к значительно лучшему результату.
И именно благодаря этим методам такие методы,
которые имеют общий факт
стремиться к созданию систем искусственного интеллекта
совершать ошибки больше, не меньше,
во время фазы обучения, на этапе обучения,
что сегодня искусственный интеллект достиг успеха, которого мы знаем.
И разве это не все иронично?
Не иронично, что мы, люди
что мы критикуем ошибки других,
что мы горько критикуем тех, кто пытается ошибаться,
мы также
которые выдают значение ошибки
к искусственному интеллекту?
Мы отдаем значение ошибки искусственному интеллекту,
когда мы могли бы так много узнать из этого.
Например, в Deep Learning
мы стараемся всячески предотвращать систему
для хранения данных, которые мы предоставляем во время обучения,
потому что если так,
он полностью потеряет гибкость при адаптации к новым ситуациям.
Так почему мы люди
например, мы обязываем наших детей
для запоминания дат и данных требуется много времени
что неизбежно забудет первую проверку?
Поскольку система образования, часто,
он больше основан и вознаграждает больше
запоминание в отношении понимания?
И снова, в Укрепление обучения
мы видели, что страх совершать ошибки рассматривается как проблема,
поэтому мы иногда пытаемся разрешить, во время обучения,
не бояться ошибок
так что система может обнаружить пути, которые приведут к большим успехам.
Итак, почему, между нами,
когда кто-то меняет свой путь во время собственного обучения,
или даже во время его карьеры,
Это считается полным безрассудным?
Поскольку кто передумал,
в результате жизненного опыта, после размышлений,
это сначала считается непоследовательным
какой мудрый?
И, наконец,
мы видели, и мы знаем,
что искусственный интеллект узнает что-то
каждый раз, когда он ошибается.
Итак, почему мы продолжаем видеть ошибку как поражение,
когда на самом деле это только первый шаг
на пути к перемене и успеху?
Спасибо.
(Аплодисменты)
Подумайте о мозге однолетнего ребенка.
Вы знаете, сколько новых соединений
формируются ли они каждую секунду среди нейронов?
Около 700.
В течение целого дня
они составляют более 60 миллионов новых подключений.
И каждое из этих новых подключений
представляет новый нюанс, новую концепцию
что ребенок узнал в мире через свой опыт.
Дети — чемпионы обучения,
и именно им они смотрят на самые современные техники искусственного интеллекта.
На расстоянии около 50, 60 лет,
поскольку Алан Тьюринг теоретизировал это впервые,
наконец, концепция
что, если мы хотим создать действительно интеллектуальные автономные системы,
мы не должны пытаться дать им все наши знания,
но мы должны сделать их способными к обучению
наиболее эффективным и автономным образом.
Впервые я занимался искусственным интеллектом
Мне было около 15 лет
и в свободное время,
хотя это может показаться маленьким ботаником,
Я создал небольшую программу, небольшую игру,
в котором виртуальный Пьерино должен был убежать от волка,
казнь [] была поглощена.
Особенно то, что я не запрограммировал Пирино, чтобы убежать от волка,
но я только дал ему
способность перемещаться внутри небольшой карты,
Я дал ему шанс увидеть волка,
но, прежде всего, я надеялся
способности учиться на опыте
через простой алгоритм искусственного интеллекта.
Итак, после запуска в этом мире, включил программу,
Я видел, как Пьерино начал изучать
что быть рядом с волком не было большой идеей,
а затем даже научитесь убегать как можно быстрее
как только он увидел это вдали.
И вот как я влюбился в искусственный интеллект.
И даже сегодня,
что проектирование систем искусственного интеллекта — это моя работа,
и это в центре внимания компании, которую я основал,
еще сегодня, чтобы увидеть системы искусственного интеллекта
самостоятельно учиться принимать решения
только через опыт по предоставленным нами данным
для меня это действительно волшебное.
Сейчас прошло почти 20 лет
с того момента, из этого виртуального Пьерино,
и сегодня технология — совсем другое дело.
Фактически,
искусственный интеллект сегодня среди нас.
Например, она способна ездить более безопасно, чем мы, люди,
умеет сражаться в стратегических играх
что до тех пор, пока несколько лет назад они, казалось, были только человеческим достоянием, абсолютно.
Он может узнать нас, нас и наших друзей,
когда мы загружаем фотографии на Facebook.
Но, прежде всего, это помогает нам во многих областях уже сегодня
от финансов до медицины.
Технологическая граница представлена Deep Learning,
то есть глубокое обучение.
Глубокое обучение основано на построении виртуальных мозгов
оснащены тысячами нейронов и миллионами соединений.
И учитесь путем реорганизации этих связей
после каждого проб и ошибок, которые он выполняет
по данным, которые мы предоставляем ему во время обучения.
Таким образом, на этапе обучения,
пытаться принимать решения, принимать нас, совершать ошибки,
и тем временем реорганизует связи внутри своего виртуального мозга,
и при этом учиться.
Так же, как ребенок.
Проблема в том, что, подобно ребенку, который становится взрослым,
также для этих систем искусственного интеллекта
больше знаний означает меньшую гибкость в обучении.
Таким образом, больше знаний, меньше гибкости в обучении.
И это проблема.
И это проблема, которая проиллюстрирована, в частности,
в другой передовой технике искусственного интеллекта
под названием «Укрепление обучения», т.е. обучение путем подкрепления.
Укрепление обучения
он работает через виртуальные награды и виртуальные наказания
которые предоставляются системе в зависимости от результата каждого из ее решений.
Так, например,
Система обучения арфингам, которая учится играть в шахматы
он будет вознаграждаться каждый раз, когда он делает ход
что ставит его в преимущество перед его противником,
в то время как его наказывают практически, когда он делает неуместный ход.
При этом, рука об руку, играя в множество игр,
система узнает.
Проблема в том, что происходит
заключается в том, что через некоторое время после того, как он узнал немного,
система имеет тенденцию, сталкиваясь с подобными ситуациями,
всегда выбирайте первую дорогу
что принесло ему награду в прошлом.
Поэтому, когда вы сталкиваетесь с подобными ситуациями, это безопасно. Он боится ошибиться.
И это огромная проблема,
потому что сказано, что первая дорога принесла нам награду
это также дорога, которая ведет нас к большему успеху.
В результате был изобретен трюк.
И эскамотаж состоит, время от времени,
не всегда, но время от времени,
во время обучения в системе,
чтобы полностью не дать ему бояться ошибиться.
Итак, каждый так часто, система не боится ошибок,
и чувствует себя свободно
экспериментировать новыми способами, принимать новые решения.
При этом,
Очевидно, что большую часть времени он терпит неудачу.
Однако время от времени он откроет новый путь, новую стратегию,
немного творческий, немного другой,
что в конечном итоге приводит к значительно лучшему результату.
И именно благодаря этим методам такие методы,
которые имеют общий факт
стремиться к созданию систем искусственного интеллекта
совершать ошибки больше, не меньше,
во время фазы обучения, на этапе обучения,
что сегодня искусственный интеллект достиг успеха, которого мы знаем.
И разве это не все иронично?
Не иронично, что мы, люди
что мы критикуем ошибки других,
что мы горько критикуем тех, кто пытается ошибаться,
мы также
которые выдают значение ошибки
к искусственному интеллекту?
Мы отдаем значение ошибки искусственному интеллекту,
когда мы могли бы так много узнать из этого.
Например, в Deep Learning
мы стараемся всячески предотвращать систему
для хранения данных, которые мы предоставляем во время обучения,
потому что если так,
он полностью потеряет гибкость при адаптации к новым ситуациям.
Так почему мы люди
например, мы обязываем наших детей
для запоминания дат и данных требуется много времени
что неизбежно забудет первую проверку?
Поскольку система образования, часто,
он больше основан и вознаграждает больше
запоминание в отношении понимания?
И снова, в Укрепление обучения
мы видели, что страх совершать ошибки рассматривается как проблема,
поэтому мы иногда пытаемся разрешить, во время обучения,
не бояться ошибок
так что система может обнаружить пути, которые приведут к большим успехам.
Итак, почему, между нами,
когда кто-то меняет свой путь во время собственного обучения,
или даже во время его карьеры,
Это считается полным безрассудным?
Поскольку кто передумал,
в результате жизненного опыта, после размышлений,
это сначала считается непоследовательным
какой мудрый?
И, наконец,
мы видели, и мы знаем,
что искусственный интеллект узнает что-то
каждый раз, когда он ошибается.
Итак, почему мы продолжаем видеть ошибку как поражение,
когда на самом деле это только первый шаг
на пути к перемене и успеху?
Спасибо.
(Аплодисменты)
Please follow and like us:
Be First to Comment