Wie Real-Life AI Rivalen "Ultron": Computer lernen zu lernen
Künstliche Intelligenz wird Hollywood im Jahr 2015 mit einer Reihe von ikonischen und neue Roboter auf dem Bildschirm (intelligent) herrschen. Aus der Turing-"Ex Machina" alte Freunde R2-D2 und C-3PO und neue Feinde wie die Avengers Ultron bashing zeigen fühlende Roboter auf dem Bildschirm eine Reihe von menschlichen und übermenschlichen Eigenschaften. Realen Roboter können jedoch gerade so spannend. In diesem fünfteiligen Serie schaut Live Science Maschinenintelligenz diese Fortschritte für die Filme gemacht.
Wenn Iron Man und Freunde im Mai zum Kampf der titular Roboter in "The Avengers: Age of Ultron" neu zu gruppieren, wird nicht sie gegen die gleichen alten Hollywood-Droid Platz ab. Ultron wird eine andere Art von mechanische Mann, Regisseur Joss Whedon sagte Yahoo! Movies – weil diese Roboter "bonkers". Diese Verrücktheit, ergibt sich einerseits aus Lernfähigkeit, rasant fortschreitenden Bestandteil des realen AI.
Gesegnet und mit einer enormen Lernfähigkeit belastet, Ultron Meister 3.000 Jahre Menschheitsgeschichte im Handumdrehen – ohne die Reife, um dieses Wissen zu behandeln. Und so geht er ein bisschen verrückt. Durch Drehen der Gelehrsamkeit in eines seiner Roboter Funktionen definieren, Whedon spiegelt einen großen Ehrgeiz des aktuellen AI: Ingenieure wollen ihre Roboter lernen – hoffentlich auch, wenn nicht besser als Menschen.
So genannte "deep Learning" KI Systeme haben abgenommen, mit der Anzahl der Labors arbeiten auf der Tech-Multiplikation, sagte Patrick Ehlen, Leiter des tiefen Lernens bei Loop AI Labs, den Beobachter. Google erworben letztes Jahr Londons DeepMind Technologien, deren geheimnisvolle neuronale Turing-Maschine zielt darauf ab, einen Computer zu bauen, der wie ein Mensch lernen kann. [Super-intelligenten Maschinen: 7 Roboter Futures]
Obwohl Details über das Projekt dünn sind, sagte die Tech Modelle im Wesentlichen einen selbstlernenden Ki Geist auf die Strukturen der das Gehirn von Säugetieren, Chris Eliasmith, Neuroinformatik Forscher an der University of Waterloo in Kanada, Leben Wissenschaft.
"In der Biologie gibt es eine Schleife von den Basalganglien zum Kortex und zurück" – der Basalganglien als einen Controller, der Kortex als Speicher, Eliasmith sagte. "In einer neuronalen Turing-Maschine haben Sie das gleiche System von Speicher und einem Controller."
Diese Strukturen ermöglichen "Reinforcement Learning" Eliasmith sagte, in denen Individuen neues Verhalten basierend auf die Belohnungen, die sie bekommen lernen für verschiedene Aktionen. Das Gehirn oder neuronales Netz, vermittelt dieses lernen mit dem Controller verschiedene Aktionen basierend auf ihren Lohn, und die Erinnerung, dass Datenspeicherung Gewichtungen zuweisen.
Die Kernidee ist nicht unbedingt neu – Neurowissenschaftler studiere seit diese Art des Lernens da Pavlov zuerst seinen Hunden um eine klingelnde Glocke assoziieren mit Fütterung ausgetrickst, sagte Eliasmith. Aber der Versuch, es in eine künstliche Computer modellieren eine neue Technik Taktik ist, sagte er. Die heutige leistungsfähigeren Prozessoren haben solche neuronale Modellierung mehr möglich gemacht.
Lesen Sie den Rest dieser Serie: Wie Real-Life AI 'Chappy' Rivalen: Roboter kommen emotionale , Wie Real-Life AI "Ex Machina" Rivalen: Turing vorbei , Wie Real-Life AI Rivalen 'Terminator': Roboter übernehmen die Aufnahme , and Wie Real-Life AI Rivalen "Star Wars": ein Universalübersetzer?
Folgen Sie Michael Dhar @michaeldhar . Folgen Sie uns @livescience, Facebook& Google +.