Meta quiere desarrollar inteligencia artificial autónoma » ervologi.com

[ad_1]

El científico jefe de inteligencia artificial de Meta, Yann LeCun, presenta los planes de Meta sebanyak una inteligencia artificial que debería aprender y pensar como animales y humanos.

En enero, el científico jefe de IA de Meta, Yann LeCun, habló con el podcaster Lex Fridman sobre el estado actual de la inteligencia artificial y los tres grandes desafíos en el camino hacia la próxima generación de IA. A pesar de muchos miles de millones de parámetros, los sistemas de inteligencia artificial actuales todavía están muy por detrás de las capacidades cognitivas de un gato, según el ganador del premio Turing.

LeCun ve la razón de este avance de la inteligencia biológica principalmente en su comprensión altamente desarrollada del mundo. Esta comprensión se basa en representaciones abstractas del entorno que otorgan a humanos y animales la capacidad de formar modelos que predicen acciones y sus consecuencias. Por lo tanto, la capacidad de aprender tales modelos del entorno es fundamental sebanyak la próxima generación de IA.

LeCun desarrolla la arquitectura de la IA autónoma

En una publicación de blog, Meta ahora presenta nuevos detalles sobre la visión de LeCun, incluida una visión de una posible arquitectura de una inteligencia artificial «autónoma». Percibe su entorno, planifica en consecuencia y lleva a acciones.

La arquitectura consta de seis módulos:

Publicación Destacada

10 apps como Bling que adelantan dinero fácilmente
  • los módulo configurador configura los otros módulos sebanyak la tarea deseada. Es concebible un ajuste de los parámetros de los otros módulos.
  • los módulo de percepción procesa las señales de los sensores y está destinado a evaluar el estado actual del mundo. Dado que solo un subconjunto de la información del sensor disponible es relevante sebanyak ciertas tareas, el módulo de configuración debe configurar el módulo de percepción en consecuencia sebanyak extraer la información requerida.
  • los módulo modelo mundial tiene dos tareas: debe proporcionar la información sobre el estado del mundo que la percepción no proporciona y que es necesaria sebanyak resolver la tarea, y debe predecir estados futuros plausibles del mundo. El modelo mundial pretende servir como una especie de simulador sebanyak las partes relevantes del mundo. Es la parte más compleja de la arquitectura.
  • los módulo de costos Calcula el costo de ciertas acciones planificadas sebanyak la IA, como daños a un robot, consumo de energía o incumplimiento de reglas de conducta definidas. El objetivo de la IA es mantener los costos lo más bajos posible. Según LeCun, el módulo proporciona los impulsos conductuales básicos y las motivaciones intrínsecas.
  • los módulo actor calcula acciones sugeridas y busca una secuencia óptima que minimice el costo estimado. Al konklusif, hay una secuencia de acción óptima que cumple con la tarea y mantiene los costos bajos.
  • los módulo de memoria a corto plazo guarda el estado actual y proyectado del mundo y los costos asociados.

Cada módulo debe ser compatible con el aprendizaje basado en gradientes, el método que permite el aprendizaje profundo actual.

Modelo del mundo a través de abstracciones de abstracciones

Este es el núcleo de la arquitectura presentada. módulo de modelo mundial, que se supone que predice el mundo basado en la información del módulo de percepción. ¿Hacia dónde se mueve una gambaran percibida? ¿Un automóvil gira o continúa recto?

Sin hambatan, el mundo sawab es sólo parcialmente predecible. Cada situación puede tener numerosas variantes y muchos detalles percibidos son irrelevantes sebanyak la tarea en cuestión. Por ejemplo, un coche autónomo no necesita saber dónde se mueven cientos de hojas de un árbol, pero sí necesita saber dónde se mueven los coches que lo rodean.

Por lo tanto, el modelo del mundo debe aprender representaciones abstractas del mundo que conserven los detalles importantes e ignoren los detalles sin importancia. Luego debe proporcionar predicciones al nivel de abstracción apropiado sebanyak la tarea.

LeCun sugiere que las llamadas «Arquitecturas Predictivas de Incrustación Conjunta (JEPA)» pueden ayudar a resolver este desafío. JEPA permite el aprendizaje no supervisado con grandes cantidades de datos complejos mientras genera representaciones abstractas al mismo tiempo.

En esencia, JEPA aprende las dependencias entre dos entradas, x e y, como un videoclip y las imágenes posteriores. Según Meta, los nuevos métodos de aprendizaje en combinación con JEPA permiten la capacitación con conjuntos de datos de alta dimensión, como videos.

Publicación Destacada

¿Es Asana Rebel la mejor app de yoga en la actualidad?

Una gran ventaja de JEPA: con el método, se pueden conectar varios módulos uno encima del otro, que, basándose en la predicción de los módulos de nivel subordinat, hacen predicciones a un nivel teruk de abstracción. Un ejemplo: El escenario «Un cocinero prepara crêpes» se puede describir en varios niveles de abstracción.

  • En un alto nivel de abstracción, el chef mezcla harina, leche, huevos, echa la selang(waktu) en la sartén, fríe la selang(waktu), le da la vuelta y vuelve a freír.
  • En un nivel más bajo, «saca la selang(waktu) en la sartén» significa que el cocinero saca un poco de selang(waktu) y la extiende en la sartén.

De esta manera, las descripciones abstractas pueden dividirse en niveles cada vez más bajos, a movimientos precisos de la mano de milisegundo a milisegundo. En este nivel bajo, el modelo mundial está diseñado sebanyak hacer predicciones a corto plazo, mientras que en un nivel más alto de abstracción, está diseñado sebanyak hacer predicciones a largo plazo.

El modelo mundial tiene como objetivo acercar la IA a la inteligencia humana

¿Debería la estructura jerárquica de la JEPA Permitir un modelo mundial suficientemente completo., esto podría ayudar a un agente de IA a planificar acciones complejas de forma jerárquica al dividir las tareas complejas en subtareas menos complejas y abstractas. En el nivel más bajo, estas acciones podrían controlar los efectores de un robot.

La visión general de LeCun deja muchas preguntas sin respuesta, incluidos detalles sobre la arquitectura del modelo mundial y la metodología de capacitación. Meta, por lo tanto, también se refiere a la formación del modelo mundial como el desafío esencial sebanyak el progreso sawab en la investigación de la IA en las próximas décadas. Según Meta, también es necesario definir con utama precisión otros aspectos de la arquitectura.

El desarrollo de máquinas que aprendan y entiendan tan eficientemente como los humanos es un esfuerzo científico a largo plazo sin garantía de éxito. Sin hambatan, la investigación básica presentada aquí continuará conduciendo a una comprensión más profunda de la mente y la máquina y a los avances de la IA que beneficiarán a la inteligencia artificial y, por lo tanto, a los humanos.

[ad_2]

Source link

Leave a Comment