ज़्यादा सटीक रूप से कहें तो, आज की ML systems time-series डेटा से fractal structure का अनुमान नहीं लगा सकतीं.
तो क्या autonomous vehicles, AlphaStar (StarCraft 2 AI), और RNN जैसी चीज़ें time-series डेटा को प्रोसेस नहीं करतीं? => हाँ, सही है.
- autonomous vehicles
autonomous driving में ML और procedural programming का hybrid इस्तेमाल होता है.
ML pedestrian recognition जैसे low-level items को संभालता है, जबकि procedural (non-statistical) programming navigation जैसी चीज़ों को संभालती है. इसे Uber की self-crashing car पर आई रिपोर्ट से समझाया गया है.
- AlphaStar
यह Uber से थोड़ा अधिक जटिल स्तर पर दो neural networks का उपयोग करता है. एक win rate का अनुमान लगाता है, और दूसरा यह तय करता है कि कौन-सी move करनी है. ये दोनों मिलकर time-series problem को दो अलग-अलग stateless problems में बदल देते हैं.
अगर APM handicap न हो तो AlphaStar के जीतने की बात स्वाभाविक है, लेकिन handicap होने पर भी tactical स्तर पर AlphaStar जीतता है; फिर भी high-level players strategic understanding में आगे होते हैं, इसलिए इंसान जीत सकता है. अनंत computing power न होने तक, यह जटिल strategy calculation में एक दीवार से टकराता है. मानव मस्तिष्क इस तरह सीमित नहीं है.
लेखक का AI का पहला नियम
"जो algorithm fractal के रूप में निर्मित नहीं है, वह अंततः computation wall से टकराता है, और इसका उलटा भी सही है"
निष्कर्ष में fractal तरीके से neural network बनाने के लिए Feed Forward Neural Network (FFNN) और Connectome-Specific Harmonic Waves (CSHW) की बात की गई है.
अभी कोई टिप्पणी नहीं है.