Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Insight of DeepMind Learning: Journey of transformation from Natural Intelligence to Artificial Intelligence
Deep Reinforcement Learning hat sich schnell zu einem der heißesten Forschungsbereiche im Deep Learning-Ökosystem entwickelt. Die Faszination für das verstärkende Lernen hängt mit der Tatsache zusammen, dass es von allen Modalitäten des tiefen Lernens diejenige ist, die dem menschlichen Lernen am ähnlichsten ist.
In den letzten Jahren hat kein Unternehmen der Welt mehr für die Weiterentwicklung des Deep Reinforcement Learning getan als die Alphabet-Tochter DeepMind. Seit der Einführung seines berühmten AlphaGo-Agenten steht DeepMind an der Spitze der Forschung im Bereich des Verstärkungslernens. Vor ein paar Tagen hat DeepMind eine neue Studie veröffentlicht, die einen der schwierigsten Aspekte von Reinforcement-Learning-Lösungen in Angriff nimmt: Multitasking.
Seit unserer Kindheit ist Multitasking ein wesentliches Element unserer Wahrnehmung. Die Fähigkeit, ähnliche Aufgaben gleichzeitig auszuführen und zu lernen, ist für die Entwicklung des menschlichen Geistes unerlässlich.
Aus neurowissenschaftlicher Sicht ist Multitasking nach wie vor ein großes Rätsel, und es überrascht nicht, dass wir uns bei der Implementierung von Agenten der künstlichen Intelligenz (KI), die effizient mehrere Bereiche erlernen können, ohne unverhältnismäßig viele Ressourcen zu benötigen, verdammt schwer getan haben. Diese Herausforderung wird noch deutlicher im Fall von Modellen für tiefes Verstärkungslernen, die auf Versuch und Irrtum beruhen und leicht die Grenzen eines einzigen Bereichs überschreiten können.
Biologisch gesehen kann man sagen, dass alles Lernen eine Multitasking-Übung ist. Diese Monographie führt Sie in das DeepMind-Lernen ein.