AI lærte å glemme unødvendig informasjon

Forskerne forklarte at modellene er effektive til å huske all informasjon. Vanligvis er dette bra, men

i noen tilfeller - skadelig, fordi AI ikke skillerviktige og uviktige data og behandler dem med like stor effektivitet, samtidig som den sløser omtrent like mye data. Men etter hvert som mengden tilgjengelig informasjon øker, blir systemene tvunget til å bruke mer og mer av sine begrensede dataressurser på å behandle den. Facebook-forskere håper å hjelpe fremtidige AI-er til å være mer oppmerksomme ved å gi data en utløpsdato.

Denne metoden kalles Expire-Span og vil hjelpenevrale nettverk effektivt sorterer og lagrer informasjon som er best egnet til å utføre oppgavene som er tildelt dem. Expire-Span fungerer ved først å forutsi hvilken informasjon som vil være mest nyttig for nettverket i en gitt sammenheng, og deretter tildele den en utløpsdato. Jo viktigere, ifølge Expire-Span, denne eller den informasjonen, desto fjernere er holdbarheten til dataene. Nevrale nettverk vil kunne beholde relevant informasjon over lengre tid, og stadig frigjøre minne og glemme irrelevante data.

Det er laget en robot som kjemmer selv det mest sammenfiltrede hår

Utløpsspenn beregner utløpsdatoeninformasjon for alle slags data og gjør dette hver gang han får presentert en ny informasjon. Denne koden bestemmer hvor lenge informasjonen blir lagret i minnet, forklarte forskerne. "Det gradvise forfallet av et stykke data er nøkkelen til å bevare viktig informasjon uten å gjøre det uskarpt."

Selv om forskning fremdeles er i en tidlig fase,Forskere er sikre på at det ikke er mange trinn som trengs for å forbedre nevrale nettverk. I fremtiden håper teamet å utvikle et enda nærmere menneskelig minne, men i stand til å assimilere ny informasjon mye raskere enn dagens teknologi tillater.

Les mer

Forskere har funnet på en måte å lade elektriske kjøretøy på farten

Forskere har vist hvordan et svart hull river en stjerne fra hverandre

Evolusjonsfeil: hvilke organer i menneskekroppen som fungerer ulogisk