0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

魔方正在被用作連接深度學(xué)習(xí)與高等數(shù)學(xué)之間的橋梁

NVIDIA英偉達(dá)企業(yè)解決方案 ? 來源:未知 ? 作者:李倩 ? 2018-08-02 18:29 ? 次閱讀

魔方可謂20世紀(jì)80年代的標(biāo)志性智力玩具,如今它正在被用作連接深度學(xué)習(xí)與高等數(shù)學(xué)之間的橋梁。

計(jì)算機(jī)科學(xué)教授Pierre Baldi是加州大學(xué)歐文分校(UCI)研究團(tuán)隊(duì)從事此項(xiàng)工作的負(fù)責(zé)人,他認(rèn)為深度學(xué)習(xí)與高等數(shù)學(xué)之間的“鴻溝”是當(dāng)今人工智能所面臨的最大難題。

“大家會(huì)抱怨深度學(xué)習(xí)是一個(gè)黑盒子,他們不知道這個(gè)網(wǎng)絡(luò)在做些什么?!盉aldi說道,“而我們可以看到該網(wǎng)絡(luò)正在學(xué)習(xí)數(shù)學(xué)。”

自從匈牙利雕塑家兼建筑學(xué)教授Ern? Rubik于1974年發(fā)明了魔方之后,這種各個(gè)面色彩不一的立方體就開始讓人們?yōu)橹院屠Щ蟆?/p>

研究團(tuán)隊(duì)發(fā)現(xiàn),深度學(xué)習(xí)模型可以用于教會(huì)機(jī)器如何做數(shù)學(xué)題(這里是一種被稱為“群論”的代數(shù)概念),這就是Baldi所說的“AI 重大挑戰(zhàn)中的一小步”。

無心插柳

研究人員最初的目標(biāo)是構(gòu)建一個(gè)深度學(xué)習(xí)模型,可在無需任何人工協(xié)助的情況下解開魔方,就像早期的模型掌握了國際象棋的游戲方式一樣。

為了實(shí)現(xiàn)這一目標(biāo),他們像教小孩子一樣引導(dǎo)模型學(xué)習(xí)如何還原魔方。

從已還原的魔方開始,模型首先向后倒退一步,然后還原魔方。接著向后倒退兩步并還原魔方,隨后再向后倒退三步,如此類推。這會(huì)讓算法在每一次嘗試中逐漸學(xué)習(xí)。Baldi將這一過程比作學(xué)習(xí)高爾夫球,首先從近距離推桿進(jìn)球開始,然后隨著精確度的提升而逐漸遠(yuǎn)離球洞。

該研究團(tuán)隊(duì)最近發(fā)表了一篇論文,詳細(xì)介紹了他們的工作。該團(tuán)隊(duì)為其開發(fā)出的增強(qiáng)學(xué)習(xí)算法起了一個(gè)名字:“自學(xué)迭代(autodidactic iteration)”。該算法可在平均30步之內(nèi)完全還原被打亂的魔方,也可以實(shí)現(xiàn)人類玩家所能達(dá)到的最快速度。

研究人員在訓(xùn)練該模型時(shí)使用了搭載NVIDA GPU的機(jī)器,同時(shí)還使用了CUDA編程模型、TensorFlow機(jī)器學(xué)習(xí)框架和Keras神經(jīng)網(wǎng)絡(luò)API。

據(jù)Baldi估計(jì),GPU將工作速度加快了5到10倍,并且其團(tuán)隊(duì)可以無限制地將更多GPU投入使用,進(jìn)一步推動(dòng)深度學(xué)習(xí)研究。

“我們對GPU求之若渴,”他說道,“它們對于這項(xiàng)工作來說必不可少?!?/p>

充滿無限可能的一次進(jìn)步

Baldi表示,魔方展現(xiàn)了一個(gè)獨(dú)特的深度學(xué)習(xí)挑戰(zhàn):魔方的正確解法只有一種,但錯(cuò)誤的組合形式卻有數(shù)百億億之多。這里用的還只是傳統(tǒng)的三階魔方,每個(gè)面各有9個(gè)方塊。

解開更高階的魔方是該團(tuán)隊(duì)的下一個(gè)奮斗目標(biāo)。他們想知道將這種“自學(xué)迭代”的方式應(yīng)用于四階和五階魔方的效果如何。但首先,團(tuán)隊(duì)必須對該方法進(jìn)行調(diào)整,以應(yīng)對大幅提高的復(fù)雜度。

“如果將速度降至原來的二分之一,則不會(huì)出現(xiàn)什么問題?!盉aldi說道,“但如果將速度減慢到與大陸漂移的速度一樣,那么問題就來了?!?/p>

同時(shí)Baldi發(fā)現(xiàn),也可以利用這種方式教會(huì)自學(xué)迭代模型掌握其他游戲的玩法。

他認(rèn)為這項(xiàng)工作在其他數(shù)學(xué)領(lǐng)域也具有潛在的應(yīng)用機(jī)會(huì),尤其是高中水平以上的數(shù)學(xué)內(nèi)容。他表示,AI一直在努力實(shí)現(xiàn)這一點(diǎn)。

而Baldi的團(tuán)隊(duì)對此的看法則是這種難題很快就會(huì)成為明日黃花。同時(shí),解開更復(fù)雜、更困難的問題才是其奮斗目標(biāo)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    31892

    瀏覽量

    270708
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5521

    瀏覽量

    121672

原文標(biāo)題:通過魔方有望實(shí)現(xiàn)AI領(lǐng)域的重大突破

文章出處:【微信號(hào):NVIDIA-Enterprise,微信公眾號(hào):NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 1人收藏

    評(píng)論

    相關(guān)推薦

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?173次閱讀

    數(shù)學(xué)專業(yè)轉(zhuǎn)人工智能方向:考研/就業(yè)前景分析及大學(xué)四年學(xué)習(xí)路徑全揭秘

    隨著AI技術(shù)的不斷進(jìn)步,專業(yè)人才的需求也日益增長。數(shù)學(xué)作為AI的基石,為機(jī)器學(xué)習(xí)深度學(xué)習(xí)、數(shù)據(jù)分析等提供了理論基礎(chǔ)和工具,因此越來越多的數(shù)學(xué)
    的頭像 發(fā)表于 02-07 11:14 ?205次閱讀
    <b class='flag-5'>數(shù)學(xué)</b>專業(yè)轉(zhuǎn)人工智能方向:考研/就業(yè)前景分析及大學(xué)四年<b class='flag-5'>學(xué)習(xí)</b>路徑全揭秘

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動(dòng)力之一,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價(jià)值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專門為深度學(xué)習(xí)
    的頭像 發(fā)表于 11-14 15:17 ?1019次閱讀

    pcie在深度學(xué)習(xí)中的應(yīng)用

    深度學(xué)習(xí)模型通常需要大量的數(shù)據(jù)和強(qiáng)大的計(jì)算能力來訓(xùn)練。傳統(tǒng)的CPU計(jì)算資源有限,難以滿足深度學(xué)習(xí)的需求。因此,GPU(圖形處理單元)和TPU(張量處理單元)等專用硬件應(yīng)運(yùn)而生,它們通過
    的頭像 發(fā)表于 11-13 10:39 ?624次閱讀

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識(shí)別 圖像識(shí)別是深度學(xué)習(xí)
    的頭像 發(fā)表于 10-27 11:13 ?550次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :
    的頭像 發(fā)表于 10-23 15:25 ?1518次閱讀

    橋梁在線監(jiān)測解決方案:科技賦能,守護(hù)橋梁安全

    在現(xiàn)代社會(huì),橋梁作為連接城市與鄉(xiāng)村、跨越河流與峽谷的重要交通設(shè)施,其安全性和穩(wěn)定性直接關(guān)系到人民生命財(cái)產(chǎn)的安全以及經(jīng)濟(jì)社會(huì)的正常運(yùn)轉(zhuǎn)。然而,橋梁在長期使用過程中,會(huì)受到自然環(huán)境、車輛荷載、材料老化等
    的頭像 發(fā)表于 08-30 15:07 ?420次閱讀

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】時(shí)間序列的信息提取

    的穩(wěn)健縮放、時(shí)間序列的標(biāo)準(zhǔn)化。 時(shí)間序列的特征工程、時(shí)間序列的統(tǒng)計(jì)特征、時(shí)間序列的熵特征、時(shí)間序列的降維特征這些小節(jié),涉及到比較多的數(shù)學(xué)公式,包含有概率論與樹林里統(tǒng)計(jì)、高等數(shù)學(xué)等方面的知識(shí),可以做些了解
    發(fā)表于 08-17 21:12

    可以將ESP8266用作PC和路由器之間橋梁嗎?

    我們可以將ESP8266用作PC和路由器之間橋梁嗎?
    發(fā)表于 07-15 06:05

    深度學(xué)習(xí)中的時(shí)間序列分類方法

    時(shí)間序列分類(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動(dòng)識(shí)別、系統(tǒng)監(jiān)測、金融預(yù)測、醫(yī)療診斷等多個(gè)領(lǐng)域。隨著深度
    的頭像 發(fā)表于 07-09 15:54 ?1236次閱讀

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    深度學(xué)習(xí)和自然語言處理(NLP)是計(jì)算機(jī)科學(xué)領(lǐng)域中兩個(gè)非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。
    的頭像 發(fā)表于 07-05 09:47 ?1100次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對比

    在人工智能的浪潮中,機(jī)器學(xué)習(xí)深度學(xué)習(xí)無疑是兩大核心驅(qū)動(dòng)力。它們各自以其獨(dú)特的方式推動(dòng)著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機(jī)器學(xué)習(xí)的范疇,但
    的頭像 發(fā)表于 07-01 11:40 ?1584次閱讀

    藍(lán)蜂MQTT網(wǎng)關(guān)連接現(xiàn)場施工方與平臺(tái)軟件之間橋梁

    藍(lán)蜂MQTT網(wǎng)關(guān)連接現(xiàn)場施工方與平臺(tái)軟件之間橋梁 藍(lán)蜂MQTT網(wǎng)關(guān)在現(xiàn)代物聯(lián)網(wǎng)(IoT)架構(gòu)中扮演著至關(guān)重要的角色,它是施工現(xiàn)場與遠(yuǎn)程管理平臺(tái)之間數(shù)據(jù)交換的智能紐帶。這一技術(shù)的巧妙運(yùn)
    的頭像 發(fā)表于 05-16 14:50 ?441次閱讀
    藍(lán)蜂MQTT網(wǎng)關(guān)<b class='flag-5'>連接</b>現(xiàn)場施工方與平臺(tái)軟件<b class='flag-5'>之間</b>的<b class='flag-5'>橋梁</b>

    深度解析深度學(xué)習(xí)下的語義SLAM

    隨著深度學(xué)習(xí)技術(shù)的興起,計(jì)算機(jī)視覺的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展,例如目標(biāo)的檢測、識(shí)別和分類等領(lǐng)域。近年來,研究人員開始在視覺SLAM算法中引入深度學(xué)習(xí)技術(shù),使得
    發(fā)表于 04-23 17:18 ?1422次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>下的語義SLAM

    為什么深度學(xué)習(xí)的效果更好?

    導(dǎo)讀深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集,已成為人工智能領(lǐng)域的一項(xiàng)變革性技術(shù),在從計(jì)算機(jī)視覺、自然語言處理到自動(dòng)駕駛汽車等廣泛的應(yīng)用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?716次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>的效果更好?

    電子發(fā)燒友

    中國電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會(huì)員交流學(xué)習(xí)
    • 獲取您個(gè)性化的科技前沿技術(shù)信息
    • 參加活動(dòng)獲取豐厚的禮品