У нейронных сетей, которые лежат в основе большинства современных ИИ, есть ряд недостатков, замедляющих их работу. Например, нейросети не способны к запоминанию. Исследователи из Мэрилендского университета разработали альтернативный подход, который сделает искусственный интеллект намного более быстрым и эффективным.

Как отмечает Next Web, наличие памяти позволяет людям не производить сложные вычисления при выполнении повседневных действий, а сразу переводить восприятие в действие. Однако ИИ такой способностью не обладает. Это приводит к проблемам — например, осложняет разработку автономных автомобилей.

Метод гипермерных вычислений, разработанный в Мэрилендском университете, лишен этого недостатка.

В отличие от распознавания образов на основе глубокого обучения, использование гипервекторов дает ИИ возможность напрямую «увидеть» мир и сделать собственные выводы.

Новый ИИ не будет выполнять математические расчеты для каждого объекта, а применит активное восприятие. Благодаря доступу к памяти и умению формировать рефлексы алгоритм сможет понять, чего хочет, и какие действия необходимо предпринять для достижения цели. Это потребует намного меньше вычислений.

Пока создание гипермерной вычислительной операционной системы остается чисто теоретическим. Тем не менее, работа исследователей даст толчок к развитию алгоритмов нового поколения, которые, в частности, выведут из тупика развитие автономного транспорта.

Конечная цель команды — заменить итеративные модели нейросетей, которые требуют много времени на обучение, гипермерными алгоритмами. Благодаря активному восприятию они учатся намного быстрее.

Несмотря на постоянные обещания автопроизводителей, по-настоящему автономные автомобили остаются научной фантастикой. Тем не менее, компаниям выгодно подогревать интерес к теме и получать все новые инвестиции.