(495) 925-0049, ITShop интернет-магазин 229-0436, Учебный Центр 925-0049
  Главная страница Карта сайта Контакты
Поиск
Вход
Регистрация
Рассылки сайта
 
 
 
 
 

Метод причинной развертки научит ИИ понимать логику

Источник: neurohive

 

логика искусственный интеллект

Одна из фундаментальных задач в машинном обучении - поиск и расшифровка причинно-следственных связей в больших массивах данных. Исследование, проведенное учеными KAUST, предлагает новый подход к решению проблемы иерархического структурирования данных и индуктивного вывода.

Проблема причинности 

Современный искусственный интеллект (вернее, так называемый, "слабый ИИ" - прим. ред.) не способен принимать решения на основе обнаруженных причинно-следственных связей. Пока что алгоритмы умеют выявлять только закономерности в данных, которые обрабатывают. Чем больше данных обработает ИИ - тем точнее будет результат.

Например, языковая модель GPT-2 от разработчиков OpenAI обучилась генерации текста, обобщению и переводу просто анализируя огромное количество данных. Алгоритм работает используя индуктивный научный метод - выдает нужный результат, сопоставляя множество факторов. Для перевода слова перебираются все варианты, где оно встречается. То слово, которое наиболее часто встречается в похожем контексте, выбирается как результат.

При этом модель не способна делать выводы и решать проблемы на основе уже полученного опыта - для каждой новой задачи ей нужно учиться заново.

Метод "причинной развертки"

Исследователи KAUST описали подход, который позволит обойти вышеописанные проблемы. Работа "Causal deconvolution by algorithmic generative models", опубликованная в журнале Nature, описывает алгоритмическую генеративную модель, которая способна более глубоко понимать причинные механизмы, обучаясь без учителя.

Метод "причинной развертки"
Подтверждение концепции, примененной к двоичной строке, состоящей из двух сегментов с различными базовыми механизмами генерации (компьютерными программами).

Метод использует сочетание подходов математической концепции алгоритмической теории информации и исчисление причинности Дж. Пёрла для создания механизма логического вывода. Основное отличие от предыдущих подходов - переход от взгляда наблюдателя к объективному анализу явлений, основываясь на отклонениях от беспорядочности.

"Наш подход использует основанное на отклонениях каузальное вычисление, чтобы вывести представления модели" - пишут исследователи.

Получается, что логика - это отклонение от беспорядочности. Находя такие отклонения в большом массиве данных, алгоритм находит причинно-следственные связи между объектами отклонения, и затем может использовать это для оптимального решения задачи. 

Подход позволит алгоритмам лучше справляться с абстрактными умозаключениями и пониманием причин и сможет дополнить статистические методы, улучшая модели, основанные на глубоком обучении.

Автор: Olga Kravchenko
    Источник: phys.org


     Распечатать »
     Правила публикации »
      Обсудить материал в конференции Дискуссии и обсуждения общего плана »
    Написать редактору 
     Рекомендовать » Дата публикации: 01.03.2019 
     

    Магазин программного обеспечения   WWW.ITSHOP.RU
    FastReport FMX 2 Single
    VideoStudio X9 Pro. Электронный ключ.
    Quest Software. TOAD for SQL Server Xpert Edition
    Panda Internet Security - ESD версия - на 1 устройство - (лицензия на 1 год)
    ESET NOD32 Smart Security Business Edition newsale for 5 user, лицензия на 1 год
     
    Другие предложения...
     
    Курсы обучения   WWW.ITSHOP.RU
     
    Другие предложения...
     
    Магазин сертификационных экзаменов   WWW.ITSHOP.RU
     
    Другие предложения...
     
    3D Принтеры | 3D Печать   WWW.ITSHOP.RU
     
    Другие предложения...
     
    Новости по теме
     
    Рассылки Subscribe.ru
    Информационные технологии: CASE, RAD, ERP, OLAP
    Программирование на Microsoft Access
    CASE-технологии
    OS Linux для начинающих. Новости + статьи + обзоры + ссылки
    СУБД Oracle "с нуля"
    Мастерская программиста
    3D и виртуальная реальность. Все о Macromedia Flash MX.
     
    Статьи по теме
     
    Новинки каталога Download
     
    Исходники
     
    Документация
     
    Обсуждения в форумах
    Отличается ли ДрифтКазино от беттинга? (21)
    Друзья, давно заметил, что на Дрифте уже несколько месяцев во всю рекламируется и предлагается...
     
    Сериал "Во Все Тяжкие" (3)
    Я наконец-то приступил к просмотру всем известного сериала «Во все тяжкие» и за 3 дня закончил...
     
    Пишу программы для Windows (в том числе базы данных) (5)
    Написание компьютерных программ на заказ. Разработка корпоративных информационных...
     
    Требуется Программист 1 С (3)
    Готовы обсуждать вариант удаленной работы Требования: Опыт работы по программированию 1С...
     
    Фавориты и призёры Евро 2020 (1)
    Среди тех, кто выиграет Евро-2020 https://eurocup-2020.ru/about-euro/kto-pobedit-na-evro, мы...
     
     
     



        
    rambler's top100 Rambler's Top100