Deep Mind با هوش مصنوعی جدید خود می تواند 600 کار مختلف انجام دهد

یکی از اهداف نهایی متخصصان هوش مصنوعی دستیابی به یک سیستم توانمند است هوش مصنوعی جامع (AGI) این سیستمی است که می تواند هر کاری را که انسان انجام می دهد درک کند و بیاموزد. اکنون آزمایشگاه تحقیقاتی ذهن عمیق برای رسیدن به این هدف یک قدم دیگر بردارید و سیستمی به نام گاتو او منتشر کرد.

دیپ مایند، یکی از زیرمجموعه های گوگل، می گوید گاتو یک سیستم جهانی است که می تواند انجام کارهای مختلف را بیاموزد. محققان این آزمایشگاه را انجام دادند 604 وظیفه آنها سیستم چیزهای مختلفی مانند توصیف تصاویر، برقراری گفتگو، نقاشی دیوارها با دست مکانیکی و حتی بازی های آتاری را یاد گرفتند.

گاتو ذهن عمیق

هوش مصنوعی Deep Mind از نظر تنوع وظایف قابل تحسین است

جک هاسل، محقق مؤسسه هوش مصنوعی آلن می گوید: «ساخت یک سیستم هوش مصنوعی که بتواند کارهای مختلف انجام دهد چیز جدیدی نیست. به عنوان مثال، گوگل اخیرا از سیستمی به نام موتور جستجو استفاده کرده است مدل یکپارچه چند وظیفه ای (MUM) می توان از آن برای انجام کارهای مختلف مانند تشخیص تغییرات زبان در املای یک کلمه یا مرتبط کردن جستجوها با تصاویر استفاده کرد. اما مهم ترین تفاوت گاتو در تنوع وظایف و نحوه یادگیری اوست.

هاسل توضیح می‌دهد: «ما قبلاً شواهدی دیده‌ایم که مدل‌های منفرد می‌توانند مجموعه‌ای از ورودی‌ها را کنترل کنند.

سیستم گاتو نیز مانند تمامی سیستم های هوش مصنوعی با مثال های مختلفی واسطه می شود میلیاردها کلمه و تصویر را تجزیه و تحلیل کنید دنیای واقعی و محیط های شبیه سازی شده، دکمه ها و نمونه های بیشتر در قالب ماهی تن-یاد بگیرند وظایف خود را انجام دهند. این توکن ها داده های سیستم را به گونه ای ارائه می کنند که برای گاتو قابل درک باشد.

گاتو ذهن عمیق

اگرچه گاتو در تعدادی از وظایف به خوبی عمل نمی کند، اما Deep Mind ادعا می کند که این سیستم می تواند 604 مورد از موارد فوق را انجام دهد. 450 مورد بیش از نیمی از زمان را بهتر از افراد حرفه ای انجام دهید. گاتو از نظر معماری با اکثر سیستم های هوش مصنوعی موجود تفاوت چندانی ندارد. این سیستم همچنین به دلیل GPT-3 این یک “مبدل” است و ویژگی های مشترک همه این سیستم ها را دارد.

  ایلان ماسک از احتمال راه اندازی اولین پرتاب مداری Starship در ماه آینده خبر داد

اکنون محققان Deep Mind عمداً گاتو را کوچک نگه داشته اند تا بتواند همزمان بازوی رباتیک را کنترل کند. با این حال، آنها می گویند که اگر سیستم را بزرگتر کنند، می توانند همه کارها را با آن انجام دهند. اما برای رسیدن به یک سیستم کامل نیاز به قابلیت های این هوش مصنوعی از جمله توانایی دارید یادگیری مستمر آن را افزایش دهید. از آنجایی که دانش گاتو در حال حاضر محدود به داده هایی است که به او ارائه می شود، بنابراین نمی تواند پویا باشد.

دیدگاهتان را بنویسید