DeepMinds seneste AI overfører sin læring til nye opgaver

Kategori: Kunstig intelligens Udsendt 12. feb

Ved at bruge indsigt fra ét job til at hjælpe det med at udføre et andet, antyder en vellykket ny kunstig intelligens en mere alsidig fremtid for maskinlæring.

Baghistorie: De fleste algoritmer kan kun trænes i ét domæne og kan ikke bruge det lærte til en opgave til at udføre en anden, ny. Et stort håb for AI er at få systemer til at tage indsigt fra én indstilling og anvende dem andre steder - det der kaldes transfer learning.

Hvad er nyt: DeepMind byggede et nyt AI-system kaldet IMPALA der samtidig udfører flere opgaver - i dette tilfælde spiller 57 Atari-spil - og forsøger at dele læring mellem dem. Det viste tegn på at overføre det lærte fra et spil til et andet.

Hvorfor det er vigtigt: IMPALA var 10 gange mere dataeffektiv end en tilsvarende kunstig intelligens og opnåede det dobbelte af slutresultatet. Det er et lovende hint om, at overførselslæring er plausibel. Plus, et system som dette, der lærer ved at bruge mindre processorkraft, kunne hjælpe med at fremskynde træningen af ​​forskellige typer AI.