لى لين يون الانتهاء مترجم

إنتاج و qubit | عدد ملفه QbitAI

 هينتون وغيرها من شارك في كتابة ورقة الخلفية نشر

في عام 1986، جيفري هينتون البالغ من العمر 39 عاما وشارك في كتابة ورقة. بعد مرور 40 عاما، أصبح ورقة جوهر الذكاء الاصطناعي لتعزيز التنمية المتفجرات.

هينتون الآن 70 سنة، وهوية كل من زميل جوجل جامعة تورنتو أستاذ فخري، وهلم جرا. وقبل بضعة أيام خلال انعقاد الجمعية العامة لمنظمة العفو الدولية، التي عقدت في تورونتو، وقال هينتون كان الآن العودة انتشار "متشككة بشدة". أصدر مكالمة:

"وجهة نظري هو أن تتخلص من كل ذلك، البدء من جديد."

قال علماء آخرين في الاجتماع سوف-انتشار مرة أخرى لا تزال تلعب دورا محوريا في مستقبل التنمية AI. لكن هينتون هو غير راض، وقال انه يريد المضي قدما لإيجاد مسار جديد.

وقال بلانك مرة واحدة، الحقيقة حول الحقيقة العلمية: "مشتق من التقدم العلمي الجنازة." وقال هينتون، المستقبل AI يعتمد على أولئك الذين يتخرجون إلى كل ما أقول يتشككون بعمق.

في العودة نشر، التسمية أو الأوزان المستخدمة لتمثيل الصوت أو الصورة في الشبكة العصبية. طبقة بعد طبقة عن طريق ضبط الأوزان بحيث الشبكات العصبية AI النهائية يمكن أن تؤدي المهام مع الحد الأدنى من الأخطاء.

كيفية جعل نفسك أكثر ذكاء العصبية شبكة العلبة، وبعبارة أخرى، كيف يمكننا تطوير أفضل "تعلم غير مراقب"؟ هينتون أفكر: "أظن أن هذا وسيلة للتخلص من العودة انتشار".

وقال "لا اعتقد انها عمل الدماغ" هينتون، "من الواضح أننا لسنا في حاجة إلى العلامة كافة البيانات."

عن هذه التصريحات المذكورة أعلاه هينتون، لديها العديد من العلماء للرد.

وقالت جوجل الغيمة كبير العلماء لي Feifei أن أهمية العودة نشر، مثل محركات رولز رويس للطائرات، مهم جدا، ولكن لا يكفي لجعل لنا مثل الطيور تحلق مجانا.

"حجة لصالح هينتون، وليس أداة الأبدية، أو حتى عكس انتشار التعلم العميق" قال لى Feifei أهم شيء: مواصلة البحوث الأساسية. لي Feifei كما تم ذكر التجار لا يحملون كل الاهتمام والموارد على المنتجات من أن البحوث الأساسية لا يمكن مواكبة تطور AI سيتم قريبا استنفدت.

وقال الباحث الشهير غاري ماركوس عمق التعلم لا يكفي، نحتاج إلى البدء من جديد، وقد تم عقد تصريحات هينتون أيضا السنوات التي قضيتها الرأي.

وقال والد جوديا بيرل بايز في هذه الجملة العديد من الناس يعتقدون جائزة تورينج: "يتم تنظيم معظم المعرفة الإنسانية حول العلاقة السببية، بدلا من احتمال علاقة" .

كبسولة

سنوات، ليس هينتون الكثير من الطاقة في شك يلقي السابق على انتشار العكسي لقمة الكبسولة من الدراسة.

في الواقع، لا كبسولة وانتشار العكسي لسقوط، تقريبا لنفس السبب: وخلافا للدماغ.

هينتون قبل نحو ثلاث سنوات في محاضرة ألقاها في معهد ماساتشوستس للتكنولوجيا وتقول انها تعتقد ان الدماغ ليس مثل هذه الأمور، وتؤدي إلى تأثير الشبكة العصبية الاصطناعية ليست جيدة بما فيه الكفاية.

ويقترح الكبسولة، وتحديدا من أجل التعامل مع الشبكة العصبية من الدماغ ليس التشابه، ولكن أيضا هينتون ثلاث سنوات وقد تم الحديث عن "مشكلة الشبكات العصبية": القليل جدا من مستوى الهيكل.

جعل هينتون، يجب أن بنية الشبكة العصبية، وزيادة في مستوى كبسولة القائمة، كل الشبكة العصبية طبقة تتكون من كبسولة، جعل حساب داخليا، ومن ثم إخراج نتيجة للضغط.

هذا العام، هينتون وجوجل الدماغ زميل سارة الصبور والأوراق التعاون نيكولاس Frosst دينامية التوجيه بين كبسولات ينشر في خطط التنفيذ الوطنية، Frosst أيضا نيابة عن فريقهم هذا الأسبوع، يسأل إجابة شاملة عن الأحداث في صور الدماغ، أعلنت بعض كبسولة تقدم الدراسة:

ذهب كبسولة كذلك!

لدينا مجموعة من خمسة أفراد: سارة الصبور، نيكولاس Frosst، جيفري هينتون، اريك Langois وروبرت جينز، في المكتب تورونتو، أحرزنا تقدما مطردا.

مجموعة من الخلايا العصبية هي كبسولة، فهذا يعني أن نوع معين ناقل الحركة من كيان (مثل الكائن أو الكائن جزء) من المعلمات مثيل.

لدينا ورقة في دائرة الضوء خطط التنفيذ الوطنية مؤخرا، والذي دينامية التوجيه بين الكبسولة وسيلة لقياس مدى اتساق بين ميزات على مستوى منخفض.

هذه العمارة تنفيذها على MNIST على أفضل أداء، ولكن أيضا عندما الأرقام التعرف على درجة عالية من التداخل، أفضل بكثير من الشبكة العصبية التلافيف.

نحن البحث أيضا أسلوب التوجيه الجديد، وحققت نتائج جيدة على مجموعات البيانات NORB، في حين تعمل أيضا على بنية كبسولة جديدة، لا يمكن الحفاظ عليه مع مجموعة معينة من التكافؤ في الفضاء الإدخال.

نأمل أن هذه النتائج يمكن أن ينشر قريبا.

ورقة NIPS ينشر في ملخص للكبسولة جعل مقدمة عامة:

مجموعة من الخلايا العصبية هي كبسولة، ناقل الحركة الذي يمثل نوع معين من الكيان (على سبيل المثال، وجوه أو جزئيا) من المعلمات مثيل. نحن نستخدم طول ناقل الحركة يمثل احتمال أن كيان لتمثيل وجود واتجاه المعلمات مثيل. أنشطة كبسولة تتوقع المعلمات مثيل كبسولة المستوى العالي على مستوى واحد من مصفوفة التحويل. متي مباراة أكثر من المتوقع، بدأ مستوى أعلى من النشاط كبسولة.

وهذا يدل على ورقة أن الفرق بين التدريب من خلال نظام كبسولة متعدد الطبقات لتحقيق الأداء الأكثر تقدما على MNIST، عند تحديد درجة عالية من التداخل في الأرقام، أفضل بكثير من الشبكة العصبية التلافيف.

لتحقيق هذه النتيجة، استخدمنا آليات بروتوكول التوجيه متكررة: كبسولة على مستوى منخفض تريد أن ترسل انتاجها الى منتج العددية ناقل الحركة مع كبير، توقعات شاهقة من الكبسولة أقل من الكبسولة.

OMT

نريد أن نرى قبل 40 عاما، كتب هينتون ورقة معها؟ في الكم بت رقم القناة الصغيرة الجمهور (QbitAI) واجهة الحوار، رد " bptr "رسائل أربعة، يمكنك الحصول على هذه المعلومات القيمة.

- انتهى -

التوظيف الصادق

المكدسة تقوم بتجنيد محرر / مراسل، ومقرها في تشونغ قوان تسون في بكين. نتوقع الموهوبين والطلاب المتحمسين للانضمام إلينا! مزيد من التفاصيل، يرجى و qubit عدد الجمهور (QbitAI) واجهة الحوار والرد "تجنيد" كلمة.

و qubit QbitAI

' " تتبع تقنيات AI دينامية جديدة والمنتجات