Дорогие читатели, Нашему шестнадцатилетнему, волонтёрскому и некоммерческому проекту для создания новой, современной версии N-N-N.ru, очень нужно посоветоваться касательно платформы нашего сайта – SYMFONY & DRUPAL 8. Платформа не простая, но обещаем – мы не займём много времени, просто нужна консультационная поддержка квалифицированного разраба. Если вы можете помочь, то связаться с нами можно на страницах Facebook.com здесь и здесь.

Гипермерные вычисления подарят ИИ память и рефлексы

Американские ученые представили теоретическую основу для создания принципиально иных вычислительных машин будущего. Воплощение концепции в жизнь даст развитию искусственного интеллекта новый толчок.

У нейронных сетей, которые лежат в основе большинства современных ИИ, есть ряд недостатков, замедляющих их работу. Например, нейросети не способны к запоминанию. Исследователи из Мэрилендского университета разработали альтернативный подход, который сделает искусственный интеллект намного более быстрым и эффективным.

Как отмечает Next Web, наличие памяти позволяет людям не производить сложные вычисления при выполнении повседневных действий, а сразу переводить восприятие в действие. Однако ИИ такой способностью не обладает. Это приводит к проблемам — например, осложняет разработку автономных автомобилей.

Метод гипермерных вычислений, разработанный в Мэрилендском университете, лишен этого недостатка. В отличие от распознавания образов на основе глубокого обучения, использование гипервекторов дает ИИ возможность напрямую «увидеть» мир и сделать собственные выводы.

Новый ИИ не будет выполнять математические расчеты для каждого объекта, а применит активное восприятие. Благодаря доступу к памяти и умению формировать рефлексы алгоритм сможет понять, чего хочет, и какие действия необходимо предпринять для достижения цели. Это потребует намного меньше вычислений.

Пока создание гипермерной вычислительной операционной системы остается чисто теоретическим. Тем не менее, работа исследователей даст толчок к развитию алгоритмов нового поколения, которые, в частности, выведут из тупика развитие автономного транспорта.

Конечная цель команды — заменить итеративные модели нейросетей, которые требуют много времени на обучение, гипермерными алгоритмами.

Благодаря активному восприятию они учатся намного быстрее.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 4.9 (7 votes)
Источник(и):

ХайТек+