Kaladesh Remastered comes to Magic: The Gathering Arena!
Neuronale Netze sind für die Zukunft von A.I. und nach Elon Musk die Zukunft der gesamten Menschheit. Glücklicherweise hat Googles DeepMind den Code geknackt, um neuronale Netzwerke intelligenter zu machen, indem er ihnen internen Speicher bietet.
In einer Studie veröffentlicht in Natur Am 12. Oktober zeigte DeepMind, wie neuronale Netze und Speichersysteme kombiniert werden können, um maschinelles Lernen zu schaffen, das nicht nur Wissen speichert, sondern es auch verwendet, um es auf der Grundlage von Umständen zu begründen. Eine der größten Herausforderungen mit A.I. bekommt es, sich an Dinge zu erinnern. Es sieht so aus, als wären wir dem einen Schritt näher gekommen.
Differenzierte neuronale Computer (DNCs) genannt, funktionieren die verbesserten neuronalen Netzwerke ähnlich wie ein Computer.Ein Computer verfügt über einen Prozessor, um Aufgaben auszuführen (ein neuronales Netzwerk), aber der Prozessor benötigt ein Speichersystem, um Algorithmen von verschiedenen Datenpunkten (DNC) auszuführen.
Vor der Innovation von DeepMind mussten neuronale Netzwerke externen Speicher verwenden, um die Neuronenaktivität des Netzwerks nicht zu beeinträchtigen.
Ohne externen Speicher sind neuronale Netzwerke nur in der Lage, eine Lösung basierend auf bekannten Informationen zu finden. Sie benötigen riesige Daten- und Praxismengen, um genauer zu werden. Wie ein Mensch, der eine neue Sprache lernt, braucht es tatsächlich Zeit, bis neuronale Netzwerke intelligent werden. Dies ist auch der Grund, warum das neuronale Netzwerk von DeepMind großartig für Go ist, für das strategiebasierte Spiel Magic: Neuronale Netzwerke können jedoch nur genügend Variablen ohne Speicher verarbeiten.
Durch das Gedächtnis können neuronale Netzwerke Variablen einbeziehen und Daten schnell analysieren, um so komplexe Objekte wie die U-Bahn von London darstellen zu können und aus bestimmten Datenpunkten Schlüsse ziehen zu können. In der Studie von DeepMind stellten sie fest, dass ein DNC alleine lernen kann, Fragen zu den schnellsten Routen zwischen den Zielen und zu dem Ziel zu beantworten, an dem eine Reise enden würde, wenn nur die neu präsentierte Kurve und das Wissen über andere Transportsysteme verwendet würden. Es könnte auch Beziehungen aus einem Familienstammbaum ableiten, wobei außer dem Baum keine Informationen angezeigt werden. Die DNC war in der Lage, ein Ziel für eine bestimmte Aufgabe zu erreichen, ohne die zusätzlichen Datenpunkte einzuspeisen, die für ein herkömmliches neuronales Netzwerk erforderlich wären.
Das mag zwar nicht besonders beeindruckend erscheinen (Google Maps kann die effizienteste Route bereits berechnen), aber die Technologie ist ein großer Schritt für die Zukunft von A.I. Wenn Sie der Meinung sind, dass die Vorhersagesuche effizient (oder gruselig) ist, stellen Sie sich vor, wie gut sie mit dem neuronalen Netzwerkspeicher sein könnte. Wenn Sie bei Facebook nach dem Namen Ben suchen, wird dies durch die Tatsache erkannt, dass Sie gerade auf der Seite eines gemeinsamen Freundes sahen und ein Bild von ihm sahen, dass Sie Ben von unten, nicht Ben von der Grundschule meinen.
Natürliches Sprachenlernen A.I. hätte endlich genug Kontext, um sowohl die Sprache des Wallstreet Journal und in der Lage sein, Black Twitter zu verstehen. Siri konnte verstehen, dass Pepe der Frosch mehr ist als nur eine Figur aus einem Comicstrip, weil sie jeden liest Inverse Artikel darüber.
"Ich bin am meisten beeindruckt von der Fähigkeit des Netzwerks, Algorithmen aus Beispielen zu lernen", sagte Brenden Lake, ein Kognitionswissenschaftler an der New York University Technologieüberprüfung. „Algorithmen wie das Sortieren oder das Auffinden kürzester Wege sind das A und O der klassischen Informatik. Sie benötigen traditionell einen Programmierer, um zu entwerfen und zu implementieren. “
A.I. geben Die Fähigkeit, den Kontext zu verstehen, erlaubt es, die Notwendigkeit programmierter Algorithmen zu überspringen.
Obwohl DeepMinds DNC nicht das erste Experiment im neuronalen Gedächtnis ist, ist es das am weitesten entwickelte. Das neuronale Netzwerk befindet sich jedoch noch in einem frühen Stadium und es ist noch ein langer Weg, bis es auf der menschlichen Ebene des Lernens liegt. Die Forscher müssen sich noch überlegen, wie sie die Systemverarbeitung skalieren können, damit sie mit jedem Speicherplatz schnell scannen und berechnen können.
Für jetzt können Menschen neurologisch überragend regieren.
Die Kontrolle des Essverhaltens kann davon abhängen, wie Sie sich an Ihre letzte Mahlzeit erinnern
Um besser zu verstehen, warum wir zu viel essen, fangen Neurowissenschaftler an, ihre Untersuchung auf andere Teile des Gehirns auszudehnen, die mit verschiedenen Funktionen wie dem Gedächtnis verbunden sind. Entscheidungen darüber, wann, was und wie viel Sie essen, werden von den Erinnerungen an das beeinflusst, was Sie kürzlich gegessen haben.
Drohnen-Flughäfen machen keinen langfristigen Sinn, aber wir bauen sie trotzdem
Der Aerodrome, ein voll funktionsfähiger Drohnenflughafen in Nevada, gilt als erster Knotenpunkt der Welt, an dem unbemannte Luftfahrtsysteme Vorrang vor Flugzeugen haben, in denen sich Menschen aufhalten. Als Trainingsstandort für Drohnen ist die Anlage in Boulder City hervorragend. Als Handelshafen für den Drohnenverkehr ist er weitgehend unbrauchbar. F ...
Sie hat dich abgelehnt, handelt aber trotzdem interessiert? wie man ihre Gedanken liest
Dating, Flirten und Quetschen ist kompliziert. Also, was machst du, wenn sie dich abgelehnt hat, aber immer noch interessiert handelt?