A mesterséges intelligenciát (MI) alkotó algoritmusok az elmúlt években egyre nagyobbak és összetettebbek lettek, hogy a rendszerek minél precízebbek lehessenek. Csakhogy az MI hatékonyságát nem feltétlenül csak a mögöttes eljárások nagyságában lehet mérni.

A Singularity Hub talált rá arra a tudományos lapban egyelőre még nem publikált tanulmányra, amely szerzői azon dolgoznak, hogy a mesterséges intelligencia felépítése gyorsabbá és hatékonyabbá válhasson. Ennek érdekében az egyik kulcsfontosságú területre, a tanulási folyamatra fókuszáltak.

A 237. szintig vitte, és 102 millió pontot csinált a Tetrisben a mesterséges intelligencia

A mesterséges intelligencia az élet szinte minden területén képes lehet felülmúlni az embert, és ennek egyre több jelét látni. A gép ezúttal a klasszikus Tetrisben alázott.

A hagyományos mesterséges intelligenciát általában hosszú tanítási folyamattal, rengeteg adattal, szuperszámítógépek segítségével képzik ki, hogy tenni tudja a dolgát. Ezzel szemben a hiperhálózat néven emlegetett új algoritmus másként dolgozik: ahelyett, hogy tanítgatná az MI-t, az algoritmusok paramétereit igyekszik kitalálni, hogy aztán az MI a helyes eredményt adja válaszul: például egy képről el tudja dönteni, hogy azon kutya vagy macska látható-e. A szakemberek állítják, a GHN-2 képes másodpercek alatt beállítani – vagyis betanítani – a képzetlen neurális hálózatokat, így nem kell napokig egy szuperszámítógépet pörgetni ahhoz, hogy betanítsák a mesterséges intelligenciát.

Ugyan a folyamat nagyrészt automatizált, a szakembereknek komoly precizitásra van szükségük ahhoz, hogy a megfelelő módon tudja tenni a dolgát a GHN-2. Demis Hassabis, a DeepMind társalapítója korábban úgy nyilatkozott erről a Wirednek, hogy az egész olyan érzés, mintha egy csapatban nem játékos, hanem edző lenne.

A Facebook megépítette a világ egyik legerősebb szuperszámítógépét, segít kifejleszteni a Metaverzumot

A Meta szuperszámítógépe már most 20-szor jobban teljesít a hagyományos gépi látással kapcsolatos feladatoknál, mint más ilyen eszközök. És még nincs is teljesen kész.

A szakemberek a tesztek során azt tapasztalták, hogy a GHN-2-vel kiképzett rendszerek ugyanolyan pontosak voltak, mint a hagyományos metódussal tréningezett társaik. Nagy különbség azonban, hogy mindez csupán másodpercekbe került, így jóval hatékonyabb a teljesítménye.

Bár a szakemberek szerint van még mit javítani a metóduson, az már most biztos, hogy a GHN-2 nagy hatással lesz a mesterséges intelligencia fejlődésére.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.