Google DeepMind は記憶と基本的な推論を通じてロンドンの地下鉄の地図を読むことを学びました

ロンドン地下鉄の地図の読み方を学ぶことは、ロンドンに来たばかりの人にとっては通過儀礼ですが、DeepMind (ヘルスケアとカード ゲームに関心のある Google の深層学習 AI) は、アクトン タウンからロンドンに行く最速の方法を知っている人々の仲間入りを果たしました。ワッピング。

それはあまり印象的ではないかもしれませんが、基本的な推論と記憶を使用して通勤を克服したため、地下鉄の地図の読み方を学習した方法は、人工知能の将来にとって非常に興味深いものです。言い換えれば、平均的な Tube マップ アプリよりも人間的だったということです。

「これは合理的な推論と言えると思います」とブレーメン大学のコンピューター科学者ハーバート・イェーガー氏はガーディアン紙に語った。 「それら（のタスク）には、情報を計画していくつかの塊に構造化し、それらを再結合することが含まれます。」ディープラーニングと外部メモリを組み合わせるということは、DeepMind がロンドンの地下鉄から学んだことを活用して、世界中の他の同様の交通ネットワークの移動に適用できることを意味します。

これはこれまでのものとは異なります。 DeepMind の研究科学者 Alex Graves 氏が Wired に語ったように、「通常のニューラル ネットワークに情報を与えて、それを内部状態に無期限に保持し続けることはできません。ある時点で情報は上書きされ、基本的に忘れられてしまいます」 」しかし、このニューラルネットワークは記憶を永久に保持することができます。

同じ戦略が他の 2 つのタスクにも使用されましたが、どちらも人間にとっては些細なことのように思えます。 DeepMind には、「ジョンは遊び場にいます。」などの物語の簡単な抜粋が与えられました。ジョンはフットボールを拾った。」そこから AI はサッカーがどこにあるかを尋ねられ、この種のパズルに対して 96% の確率で正しい答えを返しました。グレイヴス氏は、これらのパズルは「人間にとっては非常に些細なことで、まったく質問とは思えない」が、興味深いのはその方法論であることを認めている。従来のコンピューターは「この点では非常にうまくいきません」と彼は言います。

上のビデオで説明されている別のパズルでは、DeepMind は家系図を読むことで家族関係を確立することができました。

「総合すると、我々の結果は、[微分可能なニューラルコンピュータ]には、外部の読み書きメモリがなければニューラルネットワークにはアクセスできない、複雑で構造化されたタスクを解決する能力があることを証明している」と著者らは論文で結論づけている。 「従来のコンピュータと同様に、メモリを使用して複雑なデータ構造を表現および操作できますが、ニューラル ネットワークと同様に、その方法をデータから学習できます。」