Искусственный интеллект научился пользоваться лондонским метро

Художественное представление Дифференцированного нейронного компьютера (DNC).

Иллюстрация DeepMind.

Лондонский метрополитен был выбран не случайно. Для многих путешественников он представляет определённую сложность, так как на одну станцию приходят поезда разных линий, а сами они ветвятся и даже петляют.

Фото Wikimedia Commons.

Искусственный интеллект, созданный специалистами принадлежащей Google компании DeepMind, научился прокладывать кратчайший маршрут между станциями лондонского метро. Казалось бы, различные интернет-сервисы давно могут похвастаться подобными функциями. Но в данном случае есть одно существенное "но" – в отличие от заранее запрограммированных приложений, новая система впервые видела карту подземки и сама "думала", как быстрее преодолеть расстояние между разными её точками.

Системы искусственного интеллекта, известные как нейронные сети, давно умеют распознавать изображения, переводят тексты с иностранных языков и осваивают настольные и компьютерные игры. В отличие от обычных компьютеров, которые оперируют заложенными в них данными, нейронные сети способны обучаться за счёт укрепления связей между отдельными элементами, имитирующими работу нейронов нервной системы человека. Но до сих пор искусственный интеллект плохо справлялся с задачами, требующими логических рассуждений.

Система, получившая название Дифференцированный нейронный компьютер (DNC), опирается на базовые навыки, которые помогают интерпретировать данные с разных изображений. В ходе одного из тестов искусственному интеллекту продемонстрировали карту лондонского метро и предложили проложить кратчайший маршрут между двумя станциями. Для этого необходимо запоминать соединения между отдельными узлами и сравнивать разные варианты между собой. Но традиционные нейронные сети не способны хранить информацию, поэтому относительно несложная задача становилась для них неразрешимой проблемой.

Теперь программисты объединили нейронную сеть с внешней памятью. В результате система получила возможность записывать факты и возвращаться к этим "воспоминаниям" в процессе работы.

DNC потренировалась на случайно сгенерированных структурах, которые похожи на карты с узлами, соединёнными между собой различным способом. При этом система учится записывать и извлекать из памяти информацию, когда это необходимо. Когда нейронная сеть сталкивается с новой картой, она пользуется полученными навыками, чтобы сразу прокладывать маршруты.

Лондонский метрополитен был выбран не случайно. Для многих путешественников он представляет определённую сложность, так как на одну станцию приходят поезда разных линий, а сами они ветвятся и даже петляют.

Во время тестов искусственный интеллект составил маршрут от станции Moorgate до станции Piccadilly Circus, который занял бы всего на несколько минут больше варианта, предложенного специализированным сервисом Google Maps. Но нужно учитывать, что популярная программа заранее знает, сколько времени в среднем занимает каждый перегон и пересадка.

DNC использует ту же технику для решения головоломок, которые требуют "рассуждений". Например, получив информацию о том, что "Джон играет в футбол" и "Джон находится на детской площадке", система заключила, что мяч тоже находится на детской площадке.

Ещё одним испытанием для нейронной сети DeepMind стало исследование родословных людей и определение родства между разными членами семьи. Она также записывала в память отдельные родственные связи и на основании этого делала выводы, кем приходятся друг другу дальние родственники.

 

Пока новый метод проходит испытания на решении выдуманных задач. Но, специалисты рассчитывают, что в будущем искусственный интеллект сможет делать выводы на основе анализа больших массивов реальных данных. Авторы проекта говорят, что DNC очень скоро научится самостоятельно искать недостающую информацию в Интернете, что позволит ему справляться с более трудными заданиями.

Подробнее возможности нового поколения искусственного интеллекта компании DeepMind описаны в статье, опубликованной в журнале Nature.