¿Cómo funciona el algoritmo DeepMind?

DeepMind no es un algoritmo, sino una startup / empresa fundada en septiembre de 2010 y luego adquirida por Google a principios de 2014 y es responsable de sistemas de vanguardia como AlphaGo y tiene la intención de resolver la inteligencia artificial general con la ayuda del poder de procesamiento de Google . La llamada Unidad de Procesamiento de Tensor (TPU) es más poderosa que una AlphaU convencional con tecnología AlphaGo, no es de extrañar que Lee no tuviera ninguna posibilidad.

Así que supongo que se refiere al aprendizaje profundo (DL), bueno, el aprendizaje profundo es un algoritmo de aprendizaje de redes neuronales que intenta aprender más y más niveles abstractos de representación de un dato dado. Tal como en el reconocimiento de imágenes, la capa de entrada se compone de píxeles sin procesar, la capa que sigue puede comprender filtros tipo gabor para detectar bordes, la capa de arriba puede contener características más abstractas, como partes de objetos o componentes, etc., hasta que a niveles altos obtenga filtros respondiendo a objetos visuales completos como la cara de un gato.

Con DL hay una estructura, es decir, una disposición capa por capa de unidades de procesamiento, cuantas más capas, más profunda es la red. Las reglas también están allí, como el algoritmo de aprendizaje tiene una regla de actualización. La cuestión es que el aprendizaje se realiza mediante ajustes de peso. La cantidad por la cual se ajusta un peso determinado se determina calculando la magnitud y la dirección de la derivada con la ayuda del algoritmo de retropropagación.

DL es como un aproximador de función general, dado un problema de reconocimiento facial, por ejemplo, asumiríamos que existe una función [matemática] Y = F (X) [/ matemática] que mapea una cara dada [matemática] X [/ matemática ] a una etiqueta [matemáticas] Y [/ matemáticas]. Ahora, ¿cuál es esta función [matemáticas] F (X) [/ matemáticas]? bien, supongamos que no lo sabemos, pero podemos configurar un sistema DL, obtener ejemplos de entrenamiento y ejecutar el algoritmo de aprendizaje generalmente basado en el descenso de gradiente estocástico (SGD) y el sistema DL aprenderá una función aproximada [matemáticas] G (X) [/ math] ahora, una vez que tenemos esta función, podemos alimentarla con una cara desconocida y ver a qué etiqueta asigna esa cara. Podemos evaluar cómo [matemática] G (X) [/ matemática] está cerca de [matemática] F (X) [/ matemática] probando el sistema DL en caras de conjuntos de prueba conocidos. Sin embargo, esto siempre será inferior al 100%.

Este tema es enorme, por lo que me gustaría señalar el aprendizaje profundo para una introducción más profunda a DL. Es divertido disfrutar.

Espero que esto ayude.

DeepMind se basa en el marco de las redes neuronales y utiliza un método llamado aprendizaje de refuerzo profundo. Esto significa que la IA puede aprender de sus experiencias y ser más eficiente en todo lo que hace. La IA es de propósito general, lo que significa que NO está preprogramada para una tarea específica desde el principio. Aprende a medida que avanza el proceso. Debido a esto y a su intuición, es más avanzado que Cortana y Siri.

La mayoría de los fenómenos en la naturaleza siguen un patrón que puede no ser aparente. Del mismo modo, los jugadores y los juegos siguen ciertos patrones que pueden no ser evidentes. Al observar muchos movimientos y juegos podemos adivinar con cierta confianza el próximo movimiento o el resultado del juego. En términos simples, deepmind observa muchos juegos y movimientos, los analiza para encontrar un patrón utilizando algoritmos de aprendizaje profundo. Usando el patrón, adivina el próximo movimiento del adversario y se mueve en consecuencia.