超維計算理論可以讓AI具有記憶和反應

原創不易 請隨手點擊關注

本文由Rehoo團隊Leery原創，無授權禁轉！(圖片來自網路)

圖片來自網路

馬里蘭大學的一組科學家最近提出了一個超維計算理論，可以給機器人記憶和反應。這可以打破我們似乎與自動駕駛汽車和其他現實世界機器人的僵局，並導致更像人類的AI模型。

解決方案

馬里蘭州團隊提出了一種理論方法，通過該方法，超維計算基於超線程的替代計算基於布爾值和數字，可以取代當前用於處理感官信息的深度學習方法。

根據團隊研究論文的博士生和作者Anton Mitrokhin的說法，這很重要，因為有一個處理瓶頸可以保持AI不像人類一樣運作：基於神經網路的AI方法信息量因為太多導致它們無法記住。我們的超維理論方法可以創建記憶，這將需要更少的計算，並且應該使這些任務更快更有效。

圖片來自網路

記憶的創造，當前人工智慧所沒有的東西，這對於預測未來的任務非常重要。想像一下打網球：每次擊球時你都不會在頭腦中進行計算，你只是跑過來，準確地擊打它。你感知球並且你採取行動，這種在將感知轉化為行動的能力是我們在現實世界中運作的能力所固有的。

2016年5月某位特斯拉的駕駛者，當汽車的半自動駕駛輔助系統未能「看到」半卡車的白色拖車時，車輛以高速公路速度撞向它。上周又發生了同樣的事情。不同型號特斯拉;不同版本的自動駕駛系統;同樣的結果。為什麼？

雖然伊隆馬斯克應該承擔一些責任，而其他人為錯誤應該得到最大的支持，但事實仍然是深度學習會讓駕駛汽車變得不足之處。並且沒有太大的希望它會變得更好。

其原因很複雜，但可以很容易地解釋。AI不知道汽車，人，拖車的樣子。您可以顯示一個深學習型AI模式一百萬的圖片和訓練它認識到熱其圖片與99.9％的精確度，但它永遠不會知道什麼是一個真正看起來像其對象。

圖片來自網路

超維計算理論為AI提供了真正「看到」現實情況並做出自己推論的能力。通過對每個可感知的對象和變數進行數學運算，超矢量可以在機器人中實現「主動感知」，而不是試圖通過強制處理整個實踐過程。

據雅尼斯Aloimonos，對研究論文主要作者說道：主動感知者知道為什麼要感知，然後選擇要感知的內容，並確定如何，何時以及在何處實現感知。它選擇並固定場景，時刻和劇集。然後，它將其機制，感測器和其他組件對齊，以根據其想要查看的內容進行操作，並選擇最佳捕獲其意圖的視點。我們的超維框架可以解決每個目標。

雖然機器人的超維計算操作系統的創建和實現仍然是理論上的，但這些想法為研究提供了一條前進的道路，可以為無人駕駛汽車AI提供解決當前一代處理破解問題的範例。

圖片來自網路

此外，其含義不僅僅是機器人技術。研究人員的最終目標是用基於超維計算的迭代神經網路模型替換迭代神經網路模型，這些模型更快，更有效。這可能會導致一種全新的方法來開發新的機器學習模型。

區塊鏈將推動無人機行業發展的3個領域

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！