Как искусственный интеллект сойдёт с экрана и войдёт в реальный мир. Daniela Rus - видеоролик
Изучение английского языка с помощью параллельных субтитров ролика "Как искусственный интеллект сойдёт с экрана и войдёт в реальный мир".
Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь.
Всего 828 книг и 2744 познавательных видеоролика в бесплатном доступе.
страница 3 из 3 ←предыдущая следующая→ ...
00:05:05
on the side of the road.
по краю дороги.
That's not how we drive.
Мы с вами так не ездим.
People look at the road.
Люди смотрят на дорогу.
Now contrast this with our
liquid network solution,
А теперь сравните это с тем,
как работает жидкая нейросеть,
which consists of only 19 neurons
rather than tens of thousands.
состоящая лишь из 19 нейронов,
а не десятков тысяч.
00:05:18
And look at its attention map.
Взгляните на карту внимания.
It's so clean and focused
on the road horizon
Шумов нет, а фокус держится на горизонте
and the side of the road.
и обочине дороги.
Because these models are so much smaller,
Поскольку эти модели намного меньше,
we actually understand
how they make decisions.
мы понимаем, как они принимают решения.
00:05:31
So how did we get this performance?
Так как же нам удалось
добиться такого результата?
Well, in a traditional AI system,
У традиционного искусственного интеллекта
the computational neuron
is the artificial neuron,
вычислительный нейрон —
это искусственный нейрон,
and the artificial neuron is essentially
an on/off computational unit.
а искусственный нейрон — это
вычислительный элемент по типу вход/выход.
It takes in some numbers, adds them up,
Он берёт какие-то числа, суммирует их,
00:05:47
applies some basic math
применяет простую математику
and passes along the result.
и выдаёт результат.
And this is complex
Сложность в том,
because it happens across
thousands of computational units.
что это совершается тысячами
вычислительных элементов.
In liquid networks,
В жидких нейросетях
00:05:57
we have fewer neurons,
меньше нейронов,
but each one does more complex math.
но каждый из них выполняет
более сложные вычисления.
Here's what happens
inside our liquid neuron.
Вот что происходит внутри жидкого нейрона.
We use differential equations
to model the neural computation
Мы используем дифференциальные уравнения
для моделирования нейронных вычислений
and the artificial synapse.
и искусственного синапса.
00:06:10
And these differential equations
Это те самые дифференциальные уравнения,
are what biologists have mapped
for the neural structure of the worms.
на основе которых биологи составили
карту нейронных связей червей.
We also wire the neurons differently
to increase the information flow.
Мы пробуем соединять нейроны по-разному
для усиления потока данных.
Well, these changes yield
phenomenal results.
И это даёт феноменальные результаты.
Traditional AI systems
are frozen after training.
Традиционные системы ИИ
не меняются после обучения.
00:06:31
That means they cannot continue to improve
Это означает, что они уже не развиваются,
when we deploy them
in a physical world in the wild.
когда мы с ними работаем
в реальных условиях.
We just wait for the next release.
Мы просто ждём следующую версию.
Because of what's happening
inside the liquid neuron,
Но из-за иного принципа работы
жидкого нейрона
liquid networks continue
to adapt after training
жидкие нейросети продолжают
адаптироваться и после обучения,
00:06:46
based on the inputs that they see.
ориентируясь на то, с чем работают.
Let me show you.
Позвольте мне показать.
We trained traditional AI
and liquid networks
Мы обучали традиционный ИИ
и жидкие нейросети,
using summertime videos like these ones,
используя такие видеоролики,
снятые в летнее время,
and the task was to find
things in the woods.
где им нужно было что-то отыскать в лесу.
00:06:59
All the models learned
how to do the task in the summer.
Летом все модели научились
выполнять эту задачу.
Then we tried to use the models
on drones in the fall.
Затем осенью мы попробовали сделать
то же самое.
The traditional AI solution gets
confused by the background.
Традиционный искусственный интеллект
путается из-за заднего плана.
Look at the attention map,
cannot do the task.
Взгляните на карту внимания:
он не справляется.
Liquid networks do not get confused
by the background
А вот жидкие нейронные сети
не так просто сбиваются с толку,
00:07:17
and very successfully execute the task.
и они успешно выполняют задачу.
Для просмотра параллельного текста полностью залогиньтесь или зарегистрируйтесь
←предыдущая следующая→ ...