Aprendo la strada a sistemi generalizzati con un’intelligenza artificiale più efficace ed efficiente
Al via questo fine settimana la trentanovesima Conferenza Internazionale sul Machine Learning (ICML 2022) si terrà dal 17 al 23 luglio 2022 al Baltimore Convention Center nel Maryland, USA, e si svolgerà come un evento ibrido.
I ricercatori che lavorano nel campo dell’intelligenza artificiale, della scienza dei dati, della visione artificiale, della biologia computazionale, del riconoscimento vocale e altro ancora presentano e pubblicano il loro lavoro all’avanguardia nel campo dell’apprendimento automatico.
Oltre a sponsorizzare la conferenza e sostenere workshop e eventi sociali gestiti dai nostri partner a lungo termine LatinX, Nero nell’intelligenza artificiale, Strano nell’intelligenza artificialeE Le donne nell’apprendimento automaticoi nostri gruppi di ricerca stanno presentando 30 articoli, incluse 17 collaborazioni esterne. Ecco una breve introduzione alle nostre prossime presentazioni orali e in evidenza:
Apprendimento per rinforzo efficace
Rendere più efficaci gli algoritmi di apprendimento per rinforzo (RL) è fondamentale per costruire sistemi di intelligenza artificiale generalizzati. Ciò include contribuire ad aumentare la precisione e la velocità delle prestazioni, migliorare il trasferimento e l’apprendimento zero-shot e ridurre i costi computazionali.
In una delle nostre presentazioni orali selezionate, mostriamo a nuovo modo di applicare il miglioramento generalizzato delle politiche (GPI) sulla composizione delle polizze che lo rendono ancora più efficace nel migliorare le prestazioni di un agente. Un’altra presentazione orale ha proposto un nuovo modo concreto e scalabile per farlo esplorare in modo efficiente senza bisogno di bonus. Parallelamente, proponiamo un metodo per potenziando un agente RL con un processo di recupero basato sulla memoriariducendo la dipendenza dell’agente dalla capacità del suo modello e consentendo un utilizzo rapido e flessibile delle esperienze passate.
Progressi nei modelli linguistici
Il linguaggio è una parte fondamentale dell’essere umano. Dà alle persone la capacità di comunicare pensieri e concetti, creare ricordi e costruire una comprensione reciproca. Studiare gli aspetti del linguaggio è fondamentale per comprendere come funziona l’intelligenza, sia nei sistemi di intelligenza artificiale che negli esseri umani.
La nostra presentazione orale su leggi di scala unificate e il nostro articolo su recupero entrambi esplorano come potremmo costruire modelli linguistici più ampi in modo più efficiente. Analizzando le modalità per costruire modelli linguistici più efficaci, introduciamo un nuovo set di dati e un benchmark con Controllo qualità sullo streaming che valuta il modo in cui i modelli si adattano e dimenticano le nuove conoscenze nel tempo, mentre il nostro articolo continua generazione narrativa mostra come gli attuali modelli linguistici preaddestrati abbiano ancora difficoltà a creare testi più lunghi a causa delle limitazioni della memoria a breve termine.
Ragionamento algoritmico
Il ragionamento algoritmico neurale è l’arte di costruire reti neurali in grado di eseguire calcoli algoritmici. Questa area di ricerca in crescita ha un grande potenziale per aiutare ad adattare gli algoritmi conosciuti ai problemi del mondo reale.
Presentiamo il Punto di riferimento CLRS per il ragionamento algoritmicoche valuta le reti neurali durante l’esecuzione di un insieme diversificato di trenta algoritmi classici dal libro di testo Introduzioni agli algoritmi. Allo stesso modo, proponiamo a algoritmo generale di apprendimento incrementale che adatta la riproduzione dell’esperienza con il senno di poi alla dimostrazione automatizzata di teoremi, uno strumento importante per aiutare i matematici a dimostrare teoremi complessi. Inoltre, presentiamo a quadro per la simulazione appresa basata su vincolimostrando come la simulazione tradizionale e i metodi numerici possano essere utilizzati nei simulatori di apprendimento automatico: una nuova direzione significativa per risolvere problemi di simulazione complessi nella scienza e nell’ingegneria.
Scopri la gamma completa del nostro lavoro all’ICML 2022 Qui.
Fonte: deepmind.google
