• Wednesday July 17,2019

Računala naučiti zamisliti budućnost

Anonim

Na mnoge načine, ljudski mozak i dalje je najbolje računalo uokolo. Za jedan, to je vrlo učinkovit. Naši najveći superračunali zahtijevaju milijune vata, dovoljno za napajanje malog grada, ali ljudski mozak koristi približno jednaku energiju kao i žarulja od 20 W. Čini se da tinejdžeri zauvijek traže ono što roditelji smatraju osnovnim životnim vještinama, a ljudi i druge životinje također su sposobni učiti vrlo brzo. Najviše od svega, mozak je uistinu velik u razvrstavanju kroz bujice podataka kako bi pronašli relevantne informacije za djelovanje.

Na primjer, u ranoj dobi, ljudi mogu pouzdano izvesti vještine kao što su razlikovanje noja iz školskog autobusa - postignuće koje se čini jednostavnim, ali ilustrira kakav je zadatak da čak i naši najsnažniji sustavi računalnih vida mogu pogriješiti. Također možemo reći pokretnom automobilu iz statičke pozadine i predvidjeti gdje će se voziti u sljedećoj pola sekundi. Izazovi poput ovih, i daleko složenije, otkrivaju ograničenja u našoj sposobnosti da računala rade kao ljudi. No, nedavna istraživanja u Los Alamos National Laboratoryu mijenjaju sve to.

Neuroznanstvenici i računalni znanstvenici mozga nazivaju ovo polje neuromimetski računalstvo - izgradnju računala inspiriranih djelovanjem moždanog korteksa. A moždani korteks oslanja se na milijune malih bioloških procesora koji se nazivaju neuroni. Oni pohranjuju i obrađuju podatke u gusto međusobno povezanim sklopovima koji se nazivaju neuronske mreže. U Los Alamosu, istraživači simuliraju biološke neuronske mreže na superračunala, omogućujući strojevima da uče o svojoj okolini, tumače podatke i predviđaju mnogo na način na koji ljudi rade.

Ova vrsta strojnog učenja je lako shvatiti u načelu, ali je teško implementirati na računalu. Podučavanje neuromimetskih strojeva za poduzimanje velikih zadataka kao što je predviđanje vremena i simuliranje nuklearne fizike je poduzeće koje zahtijeva najnovije izvore računalnih resursa visokih performansi.

Los Alamos razvio je kodove koji rade učinkovito na superračunalima s milijunima procesorskih jezgri kako bi se stvorile velike količine podataka i izvršile brojne izračune (više od 10 kvadrilova!) Svake sekunde. Do nedavno, međutim, istraživači koji pokušavaju simulirati neuralnu obradu na bilo kojoj bliskoj skali i složenosti moždanih kortikalnih krugova bili su zaustavljeni ograničenjima memorije računala i računalne snage.

Sve se promijenilo s novim trojanskim supercomputerom u Los Alamosu, koji je postao potpuno operativan sredinom 2017. godine. Najbrže računalo u Sjedinjenim Američkim Državama, Trojstvo, ima jedinstvene sposobnosti namijenjene Nacionalnoj uprave za nuklearnu sigurnost, koja uključuje vrlo složene nuklearne simulacije u nedostatku testiranja nuklearnog oružja. Sva ta sposobnost znači da Trinity dopušta temeljno drugačiji pristup kortikalnim simulacijama velikih razmjera, omogućujući nenadmašan skok u sposobnosti modeliranja neuronske obrade.

Da bi testirali tu sposobnost na ograničenom problemu, računalni znanstvenici i neuroznanstvenici u Los Alamsu stvorili su "rijetki stroj za predviđanje" koji izvršava neuralnu mrežu na Trinitetu. Rijetki stroj za predviđanje dizajniran je da radi poput mozga: istraživači ga otkrivaju podacima - u ovom slučaju, tisuće video zapisa, svaka koja prikazuje određeni objekt, kao što je konj koji trči preko polja ili automobil koji vozi niz cestu.

Kognitivni psiholozi nam govore da u dobi od šest do devet mjeseci, ljudska dojenčad može razlikovati objekte od pozadine. Očigledno, ljudska dojenčad uči vizualni svijet obučavanjem svojih neuronskih mreža na ono što vide, dok se njihovi roditelji približavaju, i prije nego što dijete može hodati ili razgovarati.

Slično tome, neuroni u rijetkom stroju za predviđanje uče o vizualnom svijetu jednostavno gledanjem tisuća video sekvenci bez upotrebe bilo koje povezane etikete koje pruža ljudsko biće - glavna razlika u odnosu na ostale pristupe strojnog učenja. Rijetki stroj za predviđanje jednostavno je izložen širokom broju video isječaka mnogo na način na koji dijete akumulira vizualno iskustvo.

Kada je rijetki stroj za predviđanje na Trinity bio izložen tisućama osam okvira video sekvenci, svaki neuron na kraju je naučio predstavljati određeni vizualni uzorak. Dok ljudsko dojenčad može imati samo jedno vizualno iskustvo u bilo kojem trenutku, ljestvica Trojstva znači da bi mogla istovremeno trenirati na 400 video isječaka, uvelike ubrzavajući proces učenja. Rijetki stroj za predviđanje tada koristi prikaze naučene od pojedinih neurona, dok istodobno razvija sposobnost predviđanja osmog okvira iz prethodnih sedam okvira, na primjer, predviđajući kako se automobil kreće prema statičkoj pozadini.

Stroj za predviđanje Los Alamos-a sastoji se od dvije neuronske mreže koje se paralelno izvode, jedan koji se naziva Oracle, koji može vidjeti budućnost, a drugi koji se zove Muggle, koji naučava oponašati Oracleove prikaze budućih video okvira. Ne možete vidjeti izravno. Svojom snagom Trojstva, tim Los Alamata preciznije simulira način na koji mozak obrađuje informacije korištenjem samo nekoliko neurona u bilo kojem trenutku kako bi objasnio informacije pri ruci. To je "rijedak" dio, i čini mozak vrlo učinkovit i vrlo moćan pri zaključivanju svijeta - i nadamo se da je računalo učinkovitije i moćnije.

Nakon što je bio obučen na taj način, rijetki stroj za predviđanje bio je u stanju stvoriti novi video okvir koji bi, naravno, slijedio iz prethodnih, stvarnih svjetskih video okvira. Vidjela je sedam video okvira i predvidjela osmi. U jednom je primjeru uspjela nastaviti kretanje automobila od statične pozadine. Računalo može zamisliti budućnost.

Ova sposobnost predviđanja video okvira temeljenog na strojnom učenju značajno je postignuće u neuromimetiku, no ovo polje i dalje ima dug put. Kao jedan od glavnih znanstvenih velikih izazova ovog stoljeća razumijevanje računalnih sposobnosti ljudskog mozga preobrazit će takva široka istraživanja i praktične primjene kao što su prognoziranje vremena i istraživanja fuzijske energije, dijagnostika raka i napredne numeričke simulacije koje podržavaju upravljanje zalihama program umjesto testiranja u stvarnom svijetu.

Kako bi podržao sve te napore, Los Alamos će nastaviti eksperimentirati sa slabim strojevima za predviđanje u neuromorfnom računalstvu, učiti više o mozgu i računalstvu, zajedno s još neotkrivenim aplikacijama na širokim, uglavnom neistraženim granicama kvantnog računanja. Ne možemo predvidjeti gdje će to istraživanje voditi, ali poput onog osmi video okvira automobila, to će biti logičan sljedeći korak.

[Garrett Kenyon je računalni znanstvenik specijaliziran za neuronski nadahnut računalstvo u skupini Information Sciences u Los Alamos nacionalnom laboratoriju gdje istražuje mozak i modele neuronskih mreža na Labovim računalima visoke performanse. Ostali članovi ovog projekta su bili Boram Yoon iz grupe za primijenjenu računalnu znanost i Peter Schultz iz konzorcija New Mexico.


Zanimljivi Članci

NCBI ROFL: Kada je riječ o duljini penisa i ekonomskom rastu, veličina je važna.

NCBI ROFL: Kada je riječ o duljini penisa i ekonomskom rastu, veličina je važna.

Muški orgulje i gospodarski rast: veličina je važna? "Ovaj rad istražuje vezu između ekonomskog razvoja i duljine penisa između 1960. i 1985. godine. Procjenjuje se povećan model Solow koji koristi skup podataka iz zemlje Mankiw-Romer-Weil 121. Utvrđeno je da veličina muškog organa ima suprotan U oblik odnosa s razinom BDP-a 1985. godine.

Razlike u kulturi su važne (čak i unutar islama)

Razlike u kulturi su važne (čak i unutar islama)

Pratio sam događaje u arapskom svijetu samo s udaljenosti. Bilo je puno uzbuđenja na Twitteru i na Facebooku. Budući da nisam nesputan entuzijast za demokraciju, nisam se pridružio u zanosu. Ali jako sam zabrinut zbog onoga što vidim su nerealne pretpostavke i lažne korespondencije. Ovo je veliki problem jer javnost nije u znanju svjetske povijesti i geografije. Na p

Shrews  'Heads Shrink and Grow s godišnjim dobima

Shrews 'Heads Shrink and Grow s godišnjim dobima

Stvaranje skupljenih glava - male, razbijene ljudske glave koje su široko povezane s voodoo i plemenskim ritualima - jeziv je proces, očito puno više nego što je prikazano u Beetlejuiceu . Ali prepustite životinjskom kraljevstvu dokaz da postoji prirodan, manje zlokoban način da se smanji glava. Crve

Zajedničko kemijsko kućanstvo povezano s ženskom neplodnosti

Zajedničko kemijsko kućanstvo povezano s ženskom neplodnosti

Kemikalija pronađena u zajedničkim proizvodima za kućanstvo i kozmetici povezana je s padom plodnosti kod žena, prema novoj studiji. Istraživači su ispitivali više od 1.000 trudnica i otkrili da su oni izloženi višim razinama perfluoriranih kemikalija (PFC) imali više poteškoća s trudnoćom. PFC se kori

Nove vrste Gibbona otkrivene u kineskom grobu

Nove vrste Gibbona otkrivene u kineskom grobu

U onome što bi moglo biti grob bake prvog cara Kine, znanstvenici su neočekivano otkrili kosti izumrle i dosad nepoznate vrste gibbona, otkriva nova studija. Ovi nalazi upućuju na postojanje višeg stupnja raznolikosti majmuna nakon posljednjeg ledenog doba nego što se prije mislilo, te da je broj izumiranja primata zbog ljudi vjerojatno bio podcijenjen. God

Provjera stvarnosti: klimatske promjene

Provjera stvarnosti: klimatske promjene

Globalno zatopljenje Prvo pitanje: Je li to stvarno? Da je. Dok su demanti godinama godinama bili jaki, što je dovelo do neaktivnosti vladinih šokiranih čela, izgleda da čak i zagovornici protiv globalnog zagrijavanja konačno dolaze okolo. I ne trenutak prerano, s obzirom da se ti glacieri još uvijek tope, oceani se još dižu, a zemlja se još zagrijava. Sljedeć