超维计算理论可以让AI具有记忆和反应
https://www.toutiao.com/a6692917368655446536/
图片来自网络
马里兰大学的一组科学家最近提出了一个超维计算理论,可以给机器人记忆和反应。这可以打破我们似乎与自动驾驶汽车和其他现实世界机器人的僵局,并导致更像人类的AI模型。
解决方案
马里兰州团队提出了一种理论方法,通过该方法,超维计算基于超线程的替代计算基于布尔值和数字,可以取代当前用于处理感官信息的深度学习方法。
根据团队研究论文的博士生和作者Anton Mitrokhin的说法,这很重要,因为有一个处理瓶颈可以保持AI不像人类一样运作:基于神经网络的AI方法信息量因为太多导致它们无法记住。我们的超维理论方法可以创建记忆,这将需要更少的计算,并且应该使这些任务更快更有效。
图片来自网络
记忆的创造,当前人工智能所没有的东西,这对于预测未来的任务非常重要。想象一下打网球:每次击球时你都不会在头脑中进行计算,你只是跑过来,准确地击打它。你感知球并且你采取行动,这种在将感知转化为行动的能力是我们在现实世界中运作的能力所固有的。
2016年5月某位特斯拉的驾驶者,当汽车的半自动驾驶辅助系统未能“看到”半卡车的白色拖车时,车辆以高速公路速度撞向它。上周又发生了同样的事情。不同型号特斯拉;不同版本的自动驾驶系统;同样的结果。为什么?
虽然伊隆马斯克应该承担一些责任,而其他人为错误应该得到最大的支持,但事实仍然是深度学习会让驾驶汽车变得不足之处。并且没有太大的希望它会变得更好。
其原因很复杂,但可以很容易地解释。AI不知道汽车,人,拖车的样子。您可以显示一个深学习型AI模式一百万的图片和训练它认识到热其图片与99.9%的精确度,但它永远不会知道什么是一个真正看起来像其对象。
图片来自网络
超维计算理论为AI提供了真正“看到”现实情况并做出自己推论的能力。通过对每个可感知的对象和变量进行数学运算,超矢量可以在机器人中实现“主动感知”,而不是试图通过强制处理整个实践过程。
据雅尼斯Aloimonos,对研究论文主要作者说道:主动感知者知道为什么要感知,然后选择要感知的内容,并确定如何,何时以及在何处实现感知。它选择并固定场景,时刻和剧集。然后,它将其机制,传感器和其他组件对齐,以根据其想要查看的内容进行操作,并选择最佳捕获其意图的视点。我们的超维框架可以解决每个目标。
虽然机器人的超维计算操作系统的创建和实现仍然是理论上的,但这些想法为研究提供了一条前进的道路,可以为无人驾驶汽车AI提供解决当前一代处理破解问题的范例。
图片来自网络
此外,其含义不仅仅是机器人技术。研究人员的最终目标是用基于超维计算的迭代神经网络模型替换迭代神经网络模型,这些模型更快,更有效。这可能会导致一种全新的方法来开发新的机器学习模型。
超维计算理论可以让AI具有记忆和反应相关推荐
- 超维计算让AI有记忆和反应,还能解决自动驾驶难题
来源:雷锋网 这可以打破我们与自动驾驶汽车和其他机器人之间的僵局,这也将促使更像人类AI模型的出现. 马里兰大学的一个研究团队最近提出了超维计算理论(hyperdimensional computin ...
- 超维术士_超维计算及其在人工智能中的作用
超维术士 它是什么? (What is it?) Don't be intimidated by the name hyperdimensional computing-Even though it ...
- AI志愿超强攻略|中国高校AI专业最全院校排名课程对比(附链接)
来源:新智元 本文共9000字,建议阅读15分钟. 本文带本文为你介绍中国高校人工智能专业院校及课程情况,指导院校报考. [ 导读 ]高考分数出炉,你想好报什么专业了吗?作为最有前景的专业之一,人工智 ...
- 视觉计算理论简介【转】
一:视觉计算理论与算法研究( 由×××自动化研究所马颂德等完成) "视觉计算理论与算法研究"的目标主要是研究计算机视觉,以使计算机具有通过二维图像感知三维环境信息的能力,包括感知. ...
- 人类视觉计算理论经典著作,豆瓣评分9.7,中文版惊鸿面世!
关注公众号,发现CV技术之美 今天给大家介绍一本豆瓣评分高达9.7分.成书于40多年前的神书: Vision:A Computational Investigation into the Human ...
- 人脑是怎样认知图像的?——视觉计算理论(最新模式识别之一,Marr)
从七十年代以来,随着认知心理学自身的发展,认知心理学关于模式识别的研究在取向上出现了某些重要的变化.一些认知心理学家继续在物理符号系统假设的基础上进行研究,探讨计算机和人的识别模式的特点:而另一些认知 ...
- 《视觉计算理论》阅读笔记——第一章
注:<视觉计算理论>翻译自Marr的<Vision> Vison: A computational investigation into the human represent ...
- 【“互联网+”大赛华为云赛道】EI命题攻略:华为云EI的能力超丰富,助你实现AI梦想
摘要:本次"互联网+"大赛华为云赛道EI命题,从实际业务场景出发,在人工智能和大数据领域推出四个命题. 本文分享自华为云社区<["互联网+"大赛华为云赛道 ...
- 微软亚洲研究院成立理论中心,以理论研究打破AI发展瓶颈
微软亚洲研究院成立理论中心,以理论研究打破AI发展瓶颈微软亚洲研究院成立理论中心,以理论研究打破AI发展瓶颈12月11日,微软亚洲研究院举办了2021理论学术研讨会,来自学术界和产业界的理论研究专家齐 ...
最新文章
- 敏捷开发第二阶段个人(二)
- 获取系统版本号_数据库系统原理
- maven项目打包插件:将maven项目打包成一个可执行的jar(瘦jar)
- OpenCASCADE绘制测试线束:几何命令之近似值
- CTreeCtrl控件的使用小记
- dev c++不能单步调试的问题汇总!我劝Dev耗子尾汁!
- 没有run窗口_学会了面向对象,还怕没有对象?
- 利用工厂模式实现怪物系统
- oracle 的跨天查询,考勤跨天如何统计 - Oracle开发 - ITPUB论坛-中国专业的IT技术社区...
- git推送项目到码云(gitee)
- 我们来做做公募基金数量的“人口”大普查
- 魔术师usm安装服务器系统,系统总裁开发的u盘魔术师安装win7图文教程
- a标签点击中文文件名乱码_a标签文件下载文件名乱码问题
- python超简单语音识别
- 解决egret引擎List虚拟布局不同高度Item对象重用时导致的布局异常问题
- 元宇宙通证- 九、IT/ICT发展史全景长图
- Yolov4-tiny pth转onnx转tensorrt
- <C++>初识STL —— 标准模板库
- 微信群聊图灵机器人 复制直接用
- vba 添加outlook 签名_outlook2007使用vba签名的问题
热门文章
- 数据归一化 - MinMaxScaler()/MaxAbsScaler() - Python代码
- 为什么pytorch mode = sequential() 为何model(input)这样调用就直接执行了forward
- pandas_getdummies()
- sklearn决策树模型机器学习参数解释很详细中文
- 转 sessionid如何产生?由谁产生?保存在哪里?
- Docker系列 四.Docker部署SpringBoot
- 一. 对spring boot认识
- 数据预处理常用技巧 | 数据分析中如何处理缺失值?(文末福利)
- ASP.NET 3.5之屠龙刀
- NIPS 2018 迁移学习相关论文