İçbükey tapınaktan Xia Yi
Qubit Üretildi | Genel Hesap QbitAI
Son zamanlarda, DeepMind'ın ekranda başka bir kağıdı var:
Machine Theory of Mind'da, DeepMind önerdi " Makine Zihin Teorisi Ağı "ToMnet , Böylece AI ajanı, kendisinin ve çevresindeki ajanların duygularını, niyetlerini, arzularını vb. Anlayabilir. Özette bildirinin değerini ifade ettiler: Yorumlanabilir yapay zekanın geliştirilmesinde önemli bir adım.
Kağıt adresi: https://arxiv.org/abs/1802.07740
Tarihteki her ekran kayan kağıt gibi, bayrak çok yükseğe yerleştirilirse, elbette muhalefeti çekecektir.
Bu sefer, aşina olduğumuz Marcus öğretmenlerinin çoğu onu sorguladı, ancak Oxford Üniversitesi'nde bilgisayar bilimleri doçenti olan Shimon Whiteson.
Ximen geçen hafta bu makaleyi okumayı bitirdikten sonra, muhtemelen kalbinde çok fazla oluk vardı, bu yüzden çabucak tükürmek isteyerek arka arkaya 10 tweet attı. Dedi ki:
Rakipleri modellemek için meta-öğrenme yöntemlerini kullanan bu makalenin fikrini gerçekten seviyorum. Bununla birlikte, bu makale, derin öğrenme çemberinde kağıt yazma sorunlarının son derece kötü bir örneğidir!
"Derin öğrenme çemberindeki problemlerden" bahsetmişken, muhtemelen sıradan bir soru düşünebilirsiniz: Fazla Hak Talebi .
XIMON, DeepMind'ın iddia ettiği "önemli adımı" hedeflemektedir.
Yeni fikirler, yeni kavramlar ve yeni sorunlar önerenler bile "önemli adım" ın konumlandırılması Seminal kağıt DeepMind yazısından bahsetmiyorum bile büyük bir özenle kullanılıyor, her durumda çığır açan bir şey yok.
Simon bu makaleyi eleştirdi ve teoriden bahsetmediğini, deneysel alanın oyun kadar basit olduğunu ve algoritmik katkının da önemsiz olduğunu, sadece ağ mimarisinin bazı mühendislik işlemleri olduğunu söyledi. "Önemli bir adım" bulabilirseniz, bu sadece büyük bir fikir olabilir mi?
Fikrin yeni olup olmaması "ilgili araştırma" kısmına bağlıdır. Ama bu yazıda ... İlgili Çalışma bölümü yok ...
Bu aynı zamanda derin öğrenme çemberindeki dışardan çemberdekilere başka bir büyük görüşü de içeriyor: Çevreniz, kağıdı yazmadan önce ilgili literatürü okuyacak mı? Araştırmacılar ayrıca bu probleme "Derin Öğrenme Amnezi" adı verilen özel bir isim verdiler.
DeepMind kağıdına geri dönün. Simon, bu makalenin esas olarak çok etmenli öğrenme alanında popüler olmayan bir konudan bahsettiğine inanıyor: rakip modelleme. Ancak tam metin bu kavramdan baştan sona bahsetmemektedir.
Çok etmenli öğrenme alanında, DeepMind'ın bahsetmediği, hayali oyun adı verilen, uzun bir geçmişi olan iyi bilinen bir yöntem vardır; çok temsilcili bir ortamda rakip modelleme, etkileşimli olarak adlandırılan eksiksiz bir muhakeme çerçevesine sahiptir Gözlemlenebilir Markov karar sürecinin bir kısmı (Etkileşimli POMDP'ler) DeepMind tarafından tamamen göz ardı edilir.
Öğretmen Simon tahtayı çaldı: öğrenciler, sadece çoklu ajan öğrenimiyle ilgili bir inceleme makalesine göz atın, bu belgelerden bahsedilir!
Bununla birlikte, DeepMind makalesinde, ilgili literatür bu alanı tamamen atlıyor, ancak birçok zihinsel teori ve Bayes'ten bahsediyor.
DeepMind araştırmacısı Neil Rabinowitz, "hafıza kaybı" konusuyla ilgili olarak, makalenin ilk makalesinde Twitter üzerinden bu belgeleri bildiklerini ancak giriş bölümünde bilmiyorlarsa alıntı yapmayı unuttuklarını söyledi. Şimdi arXiv ile ilgili güncellenmiş makalenin ikinci baskısı bu alıntılanan belgeleri ekledi.
Ancak, çoğu makaledeki "İlgili Araştırma" bölümü hala yazılmamıştır.
Bu bağlamda, şikayet etmeye gelen bir izleyici şöyle dedi: DeepMind'a "ilgili bir araştırma" için kitle kaynağı oluşturmaya ne dersiniz?
Bu kesinlikle uygulanabilir bir çözüm değildir, ancak öğrenmeyi sevmek isteyen öğrenciler için bu makaleyi okumak gerekli değildir.Çok etmenli öğrenme alanında birçok literatür taraması vardır.
Simon iki makale listeliyor:
Çok Etmenli Pekiştirmeli Öğrenmeye Yönelik Kapsamlı Bir İnceleme
Çoklu Temsilci Ayarlarında Sıralı Planlama Çerçevesi
https://www.jair.org/media/1579/live-1579-2391-jair.pdf
Seyirciler Katja Hofmann da bir makale yazdı:
Diğer Aracıları Modelleyen Otonom Aracılar: Kapsamlı Bir Araştırma ve Açık Sorunlar
https://arxiv.org/abs/1709.08071
DeepMind'a ateş açan Simon, Oxford Üniversitesi'nde yapay zeka ve makine öğrenimi üzerine çalışan bir bilgisayar bilimi doçenti. WhiRL'ye (Whiteson Araştırma Laboratuvarı) liderlik ediyor. Araştırma alanı esas olarak takviye öğrenme, derin öğrenme ve bunların robotik, oyunlar ve bilgi erişiminde kullanımlarını içeriyor. Uygulama üzerinde.
Öğrencileri LipNet, Rakiple Öğrenme Pi Pieter Abbeel ile bir işbirliği olan Öğrenme Farkındalığı gibi birçok tanınmış makale yayınlamaya yönlendirdi.
WhiRL laboratuvarının grup fotoğrafı, sağdan dördüncü Simon
Bay Simon hakkında daha fazla bilgi edinmek için laboratuvarlarının ana sayfasına gidebilirsiniz:
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin