A.I. Pouvez vous en souvenir, mais vous voudriez tout de même l'écraser à Magic: The Gathering

Les réseaux de neurones jouent un rôle essentiel dans l'avenir de A.I. et, selon Elon Musk, l'avenir de toute l'humanité. Heureusement, DeepMind de Google vient de déchiffrer le code pour rendre les réseaux de neurones beaucoup plus intelligents en leur donnant de la mémoire interne.

Dans une étude publiée dans La nature Le 12 octobre, DeepMind a montré comment les réseaux de neurones et les systèmes de mémoire peuvent être combinés pour créer un apprentissage automatique qui stocke non seulement les connaissances, mais les utilise rapidement pour raisonner en fonction des circonstances. L'un des plus gros défis avec A.I. l'obtenir pour se rappeler des choses. Il semble que nous soyons un peu plus près de cet objectif.

Appelés ordinateurs neuronaux différenciables (DNC), les réseaux neuronaux améliorés fonctionnent un peu comme un ordinateur. Un ordinateur a un processeur pour effectuer des tâches (un réseau de neurones) mais il faut un système de mémoire pour que le processeur exécute des algorithmes à partir de différents points de données (la DNC).

Avant l’innovation de DeepMind, les réseaux de neurones devaient s’appuyer sur la mémoire externe pour ne pas interférer avec l’activité des neurones du réseau.

Sans aucune mémoire externe, les réseaux de neurones ne sont capables de raisonner qu'une solution à partir d'informations connues. Ils ont besoin d'énormes quantités de données et de pratiques pour devenir plus précis. Comme un humain qui apprend une nouvelle langue, il faut en réalité du temps aux réseaux de neurones pour devenir intelligents. C’est la même raison pour laquelle le réseau de neurones de DeepMind est excellent pour Go mais terrible pour le jeu basé sur la stratégie Magic: Les réseaux de neurones ne peuvent tout simplement pas traiter suffisamment de variables sans mémoire.

La mémoire permet aux réseaux de neurones d’intégrer des variables et d’analyser rapidement les données, de manière à pouvoir tracer un graphique aussi complexe que le métro de London et à pouvoir tirer des conclusions en fonction de points de données spécifiques. Dans l’étude de DeepMind, ils ont découvert que la DNC pouvait apprendre seule à répondre aux questions concernant les itinéraires les plus rapides entre les destinations et à quelle destination se terminerait un voyage simplement en utilisant le nouveau graphique présenté et la connaissance d’autres systèmes de transport. Il pourrait également déduire des relations d'un arbre généalogique sans autre information que l'arborescence. La DNC a pu atteindre un objectif pour une tâche donnée sans être alimentée par les points de données supplémentaires qui seraient nécessaires à un réseau de neurones traditionnel.

Bien que cela ne semble pas vraiment impressionnant (Google Maps est déjà assez performant pour calculer l’itinéraire le plus efficace quelque part), la technologie représente un progrès considérable pour l’avenir de I.I. Si vous pensez que la recherche prédictive est efficace (ou terrifiante), imaginez à quel point elle pourrait être intéressante avec la mémoire de réseau neuronal. Lorsque vous recherchez le nom de Ben sur Facebook, il saura par le fait que vous étiez juste sur la page d'un ami commun en regardant une photo de lui que vous parlez de Ben de la rue et non de Ben de l'école primaire.

Apprentissage des langues naturelles A.I. aurait enfin assez de contexte pour opérer à la fois la langue de la le journal Wall Street et être capable de comprendre Black Twitter. Siri pourrait comprendre que Pepe the Frog est plus qu’un personnage de bande dessinée car elle lit tous les Inverse article à ce sujet.

«Je suis particulièrement impressionné par la capacité du réseau à apprendre des« algorithmes »à partir d’exemples», a déclaré Brenden Lake, scientifique en sciences cognitives à l’Université de New York. Examen de la technologie. «Les algorithmes, tels que le tri ou la recherche des chemins les plus courts, constituent le noyau de la science informatique classique. Ils ont traditionnellement besoin d'un programmeur pour concevoir et mettre en œuvre."

Donner A.I. sa capacité à comprendre le contexte lui permet d’éviter les algorithmes programmés.

La DNC de DeepMind n’est pas la première expérience en mémoire neurale, c’est la plus sophistiquée. Cela dit, le réseau de neurones en est encore à ses débuts et il lui reste un long chemin à parcourir avant d’être au stade de l’apprentissage humain. Les chercheurs doivent encore déterminer comment mettre à l'échelle le traitement des systèmes afin qu'il puisse numériser et calculer en utilisant rapidement chaque mémoire.

Pour l'instant, les humains doivent régner sur le plan neurologique.