DeepMind'ın yapay zekası, yeni görevleri tamamlamak için öğrenilen bilgileri uygulayabiliyor

Google'ın çatı şirketi Alphabet'in yapay zeka platformu DeepMind, ani tecrübelerinin ötesinde genellemeyi de öğrenebiliyor.
DeepMind'ın yapay zekası, yeni görevleri tamamlamak için öğrenilen bilgileri uygulayabiliyor

Google'ın çatı şirketi Alphabet'in yapay zeka platformu DeepMind, ani tecrübelerinin ötesinde genellemeyi de öğrenebiliyor. Stanford ve Londra University College ile ortaklaşa yürütülen bir çalışmada, DeepMind bilim insanları, sistemlerin bir görevde öğrendikleri bilgileri diğer görevlere uygulayıp uygulayamayacaklarını araştırdı. Çalışmayı yürüten ekipler, DeepMind'ın yapay zekasının daha önce görülmemiş talimatları yorumlamak için bir dilin doğasını doğru bir şekilde kullandıklarını bildirdi.

Bilim adamlarının söylediklerine göre, ideal ya da azaltılmış durumlarda eğitilmiş yapay zeka sistemleri, deneyimlerinin bileşimsel ya da sistematik bir anlayış sergilemekte başarısız olsa da bu yetkinlik, insan öğrenenler gibi çok çeşitli, çok yönlü gözlemlere sahip birçok örneğe erişebildiklerinde kolayca ortaya çıkabiliyor. Ekip, bir düşünceyi eğlendirme yeteneğinin, semantik olarak ilişkili içerikle düşünceleri eğlendirme kabiliyetini ima ettiğini; bilişsel kavram olan sistematik bir yapay zeka modelini ne ölçüde verebileceklerini araştırdı. Örneğin; sistematiklik söz konusu olduğunda “John, Mary'yi seviyor” cümlesini anlayan bir kişinin “Mary, John'u seviyor." diye düşünmesi olası olarak karşımıza çıkıyor. 

Rasgele konumlandırılmış ve istenen davranışları güçlendirmek için ödüller kullanarak eğitilmiş iki nesne göz önüne alındığında, aracıların, daha önce görmedikleri nesnelere uygulamak üzere "kaldırma, yükseltme" kavramını öğrendiklerini bildirdiler. Ayrıca, talimatlara göre nesneleri yatakların ya da tepsilerin üzerine yerleştirmelerini gerektiren bir sonraki görevde, yüzde 90 yerleştirme doğruluğunu sağlandığı belirtildi.

Ayrı bir testte, ekip dile ya da dile dayanmadan çözülebilecek görevleri araştırdı. Ajanı, rastgele konumlandırılmış sekiz nesneden oluşan sanal bir ızgarada konumlandırdılar. Nesne türleri doğru olarak belirlendi ve aracılar bu tür nesneleri toplamak için bir ödül aldılar.

Sonuç olarak araştırmacılar, tüm testlerde üç faktörün kritik olduğunu kanıtladı. Eğitim sırasında yaşanan kelime ve nesnelerin sayısı, birinci şahıs bakış açısı ve ajanın zaman içindeki bakış açısı ile sağlanan girdi çeşitliliği.

Teknoloji dünyasındaki gelişmeleri takip edin. Neleri size ulaştırmamızı istersiniz?
Abonelik kaydınız başarıyla oluşturuldu.