Форумы
 
Форум Losinka-Net
Форум СВАО
Форум hub.ru
Форум nag.ru
Форум OSS-Net
Форум VoIP

 
Новости
 
Из новостной ленты

 
 
Архив новостей

 
 
Новостная лента об IP-телефонии

 
Статьи
 
HTML5: взгляд через призму безопасности

 
 
IP-телефония - возможность общаться со всем миром

 
 
Jabra Extreme для ПК – Bluetooth-гарнитура для Skype

 
 
NGN: парад гордости строителей

 
 
Вся правда об играх в социальных сетях

 
 
Игры, в которые играет мозг

 
 
История Skype: Интересное о Skype

 
 
Релиз системы телефонии Yate 3.0.0

 
 

Внимание!!! Проводится тестирование системы IP-телефонии на сайте http://pbx.voipx.ru. Можно бесплатно звонить в Москву (с ограничением длительности до 3 минут)
Работы по переключению сервера закончены. В настройках клиентов необходимо указывать домен pbx.voipx.ru, а не IP-адреса

 

Искусственный интеллект стал обучаться в 10 раз быстрее и эффективнее

"Hi-News.ru - Новости высоких технологий." 14 Feb 2018 в 22:30:57 сообщяет: "

Подразделение компании Google, занимающееся разработками искусственного интеллекта, сообщило о создании нового метода обучения нейронных сетей, сочетающего использование передовых алгоритмов и старых видеоигр. В качестве среды обучения используются старые видеоигры Atari.

Разработчики DeepMind (напомним, что эти люди создали нейросеть AlphaGo, неоднократно победившую лучших игроков в логическую игру го) считают, что машины способны обучаться так же, как люди. С помощью тренировочной системы DMLab-30, созданной на базе шутера Quake III и аркадных игр Atari (используются 57 различных игр), инженеры разработали новый алгоритм машинного обучения IMPALA (Importance Weighted Actor-Learner Architectures). Он позволяет отдельным частям обучаться выполнению сразу нескольких задач, а потом обмениваться знаниями между собой.

Во многом новая система была основана на более ранней архитектурной системе A3C (Asynchronous Actor-Critic Agents), в которой отдельные агенты исследуют среду, затем процесс приостанавливается, и они обмениваются знаниями с центральным компонентом, «учеником». Что касается IMPALA, то у нее агентов может быть больше, а сам процесс обучения происходит несколько по-другому. В ней агенты посылают информацию сразу двум «ученикам», которые после этого еще и обмениваются данными между собой. Кроме того, если в A3C вычислением градиента функции потерь (другими словами, несоответствия предсказанных и полученных значений параметров) занимаются сами агенты, которые отправляют информацию к центральному ядру, то в системе IMPALA этой задачей занимаются «ученики».

Пример прохождения игры человеком:

Здесь показано, как с такой же задачей справляется система IMPALA:

Одной из основных проблем при разработке ИИ является время и необходимость в высокой вычислительной мощности. Даже в условиях автономности машинам нужны правила, которым они могли бы следовать в ходе собственных экспериментов и поиска путей решения задач. Так как мы не можем просто построить роботов и выпустить их на волю учиться, разработчики используют симуляции и методы глубокого обучения.

Для того чтобы современные нейронные сети могли чему-то научиться, им приходится обрабатывать огромный объем информации, в данном случае — миллиарды кадров. И чем быстрее они это делают, тем меньше времени уходит на обучение.

По словам представителей DeepMind, при наличии достаточного числа процессоров IMPALA достигает производительности в 250 000 кадров/с, или 21 миллиард кадров в день. Это абсолютный рекорд для задач такого рода, сообщает портал The Next Web. Сами же разработчики комментируют, что их система ИИ справляется с задачей лучше, чем аналогичные машины и люди.

В будущем подобные алгоритмы ИИ можно будет использовать в робототехнике. Благодаря оптимизации систем машинного обучения роботы будут быстрее адаптироваться к окружающей среде и работать эффективнее.

..."


 

© При использовании любых материалов «Losinka-Net» необходимо указывать источник информации.
Все используемые на сайте торговые марки являются собственностью их производителей.
На сайте используется материалы из различных источников информации с указанием источника. Если нами по ошибке были нарушены чьи-то авторские права, мы заранее приносим свои извинения. Обо всех нарушениях, опечатках и неточностях просьба сообщать по адресу oleg_ws(собака)yahoo(точка)com - будут внесены необходимые изменения.

Рейтинг@Mail.ru Участник рейтинга операторов IP-Телефонии. Проголосовать за
Лосника-Нет! LiveRSS: Каталог русскоязычных RSS-каналов Иконка сайта сделана при помощи favicon.ru