Els investigadors de Google DeepMind han millorat notablement la memòria de les xarxes neuronals artificials amb capacitat d'aprendre imitant el cervell. Aquest avanç ha estat anunciat en la revista Nature.
Els ordinadors convencionals tenen una gran capacitat de processar dades complexes gràcies a la seva memòria, però per a això han de ser programats per algú que no té capacitat d'aprenentatge. Per part seva, les xarxes neuronals artificials tenen la capacitat d'aprendre com el cervell, però no disposen de l'estructura de memòria necessària per a processar dades complexes.
Doncs bé, els investigadors de Google DeepMind han unit aquestes característiques d'ordinadors i xarxes neuronals per a crear el que han anomenat “ordinador neuronal diferencial”. Es tracta d'una xarxa neuronal capaç d'aprendre a partir d'exemples o mitjançant prova i error, però també té una estructura externa com la memòria RAM dels ordinadors. “Fins ara les xarxes neuronals feien la memòria i el processament junts —explica l'expert en intel·ligència artificial, Gorka Azkune—, per la qual cosa era difícil que els problemes de llarga relació temporal anessin correctament furtats i amb capacitat de generalització. Ara, Deep Mind ha creat una xarxa neuronal amb una memòria externa. I aquesta mateixa xarxa neuronal aprèn què guardar en la memòria, què eliminar, quan, etc., en una fase d'aprenentatge per dades”.
Els investigadors han demostrat que aquesta xarxa neuronal és capaç de comprendre gràfics arboris i xarxes de transport, per exemple, per a calcular les millors rutes del metre de Londres sense conèixer prèviament aquest sistema de transport. I han demostrat que és capaç de resoldre problemes complexos, impossibles per a xarxes neuronals artificials convencionals. “És un gran pas endavant, ja que en molts problemes complexos han millorat els resultats fins ara”, explica Azkun. “La memòria és una funció molt important de la intel·ligència i Deep Mind ha presentat una nova manera de desenvolupar aquesta capacitat de manera artificial”.