Искусственный интеллект научили оценивать последствия своих действий

Команда программистов из Калифорнийского университета в Беркли (The University of California Berkeley) и компания Google создали новый алгоритм обучения искусственного интеллекта (ИИ). Этот метод позволит программам реже совершать ошибки, которые приводят к сбою всей их работы. Результаты разработки представлены на информационном портале arXiv.org.

Тяжело в учении, легко в бою

Сложно оценить потенциал использования искусственного интеллекта в разных областях науки. Даже обывателю, далекому от мира суперсовременных технологий, известно, что в последние годы произошел прорыв в этой области. Кстати, во многом благодаря созданию автоматических систем логических вычислений. Как известно, в основе искусственного интеллекта лежит принцип машинного обучения. Алгоритмы должны обладать достаточным количеством информации и иметь конкретную цель для правильного выполнения своей задачи.

Ранее программисты вручную писали правила по принятию решений для искусственного интеллекта. Такой способ считается трудоемким и времязатратным. К тому же, программа не учитывает всех нюансов и условий, с которыми она может столкнуться. И вот ему на смену пришло автоматическое обучение. ИИ сами проходят путь из проб и ошибок, прежде чем «научатся» правильно выполнять свою задачу. Такой метод помог сократить время для создания новых алгоритмов и повысил его эффективность. Однако в процессе обучения машина может начать совершать логические ошибки, которые выводят всю систему из строя. В этом случае нужно вручную перезапускать программу и начинать все сначала.

Двухуровневый алгоритм

Чтобы справиться с этой проблемой и минимизировать количество сбоев, программисты предложили двухуровневую концепцию машинного обучения. Ее принцип заключается в том, чтобы искусственный интеллект возвращался в исходное состояние, если произойдет сбой системы. Первый уровень отвечает за правильное выполнение задачи. Второй уровень анализирует базу данных и решает, сможет ли система пройти логическую цепочку без критических ошибок.

При этом ИИ будет считать алгоритмы безопасными только в случае, если его состояние можно будет вернуть в исходное положение. Такой метод машинного обучения сокращает издержки на прямое вмешательство извне и время на машинное обучение. Кроме того, концепция двойного алгоритма имеет потенциал для создания у искусственного разума саморегулирующихся процессов, которые повысят работоспособность всей системы.

ПОХОЖИЕ СТАТЬИ

Новые статьи