‘Lerende’ computer navigeert door Londense metronet

12 oktober 2016 door Eos-redactie

Onderzoekers trainden een lerende computer om door het metronet van Londen te navigeren. 

Computerwetenschappers ontwikkelden een hybride computer die kenmerken van artificiële neurale netwerken met die van conventionele computers combineert. Die mix laat de ‘lerende’ computer toe zelfstandig door het Londense metronet te navigeren.

Neurale netwerken zijn de groepen zenuwcellen in ons brein die instaan voor het herkennen van patronen. Ze dienen ook om binnengekomen informatie in de hersenen op te slaan. Artificiële klonen van die netwerken bestaan al langer en kunnen patronen identificeren. Maar om uit de patronen ook iets te leren, hebben de netwerken opslagruimte nodig. Tot nu toe ontbrak die: in moderne computers zijn processor en geheugen steeds van elkaar gescheiden.

Computer trainen

Computer- en neurowetenschappers aan de Londense onderzoekscel DeepMind zijn erin geslaagd om een extern geheugen te koppelen aan een artificieel neuraal netwerk. Dat geheugen lijkt nog het meeste op het RAM-geheugen van ‘gewone’ computers. Het resultaat van de koppeling is de zogeheten DNC-machine, of een differentieerbare neurale computer. Die kan complexe gegevens niet alleen verwerken, hij kan er ook uit leren. Net zoals ‘echte’, biologische neurale netwerken.

De combinatie met neurale netwerken maakt het mogelijk om een set vraagstukken op te lossen die computers eerder niet aankonden. De ontwikkelaars testten de DNC-machine onder andere uit op het metronet van Londen. Eerst ‘trainden’ ze de lerende machine om op de vraag ‘bereken de kortste route’. Daarvoor laadden ze een aantal willekeurige grafieken op in de computer.

                                                                                                             

Test met het metronet

Na de training kreeg de DNC-machine een kaart van het metronet met dezelfde vraag, maar zonder enige verdere data-input. Op één miljoen tests bleek de computer met een nauwkeurigheid van gemiddeld 98,8 procent te antwoorden. Ter vergelijking: bij minder zware vraagstukken antwoordden andere artificiële intelligenties met een gemiddelde nauwkeurigheid van 37 procent.

Voor een artificiële intelligentie zijn soortgelijke tests een eitje. Maar om die taken te kunnen uitvoeren, moeten ze in de artificiële intelligentie worden voorgeprogrammeerd. De DNC-machine leert het zichzelf aan op basis van voorbeelden. In de toekomst kunnen programma’s met DNC-technologie dienen om automatisch videocommentaren te genereren of teksten semantisch te analyseren.

Eerder ontwikkelde DeepMind voor Google het computerprogramma dat Lee Sedol, de wereldkampioen in het bordspel Go, versloeg. (pvw)

                                                                                                       

Bron: Alex Graves, DeepMind, Londen, Groot-Brittannië in Nature