ਗੂਗਲ ਨੂੰ ਇੱਕ "ਕੈਦੀ ਦੀ ਦੁਬਿਧਾ 'ਚ ਨਕਲੀ ਖੁਫੀਆ DeepMind ਟੈਸਟ ਕੀਤਾ

ਇਹ ਸੰਭਾਵਨਾ ਹੈ ਦਿਸਦਾ ਹੈ, ਜੋ ਕਿ ਨਕਲੀ ਖੁਫੀਆ (AI) ਉੱਪਰ ਅਗਲੇ ਤਕਨੀਕੀ ਇਨਕਲਾਬ ਦਾ ਮੋਢੀ ਹੈ. AI ਬਿੰਦੂ ਨੂੰ ਵਿਕਸਿਤ ਹੋ ਜਾਵੇਗਾ, ਜਦ ਇਸ ਨੂੰ, ਸਿੱਖਣ ਲਈ ਸੋਚਦੇ ਅਤੇ ਇਹ ਵੀ "ਮਹਿਸੂਸ" ਦੇ ਯੋਗ ਹੋ ਜਾਵੇਗਾ, ਅਤੇ ਇਸ ਨੂੰ ਸਾਰੇ ਕਿਸੇ ਵੀ ਮਨੁੱਖੀ ਦਖਲ ਦੇ ਬਗੈਰ, ਸਾਰੇ ਸਾਨੂੰ ਸੰਸਾਰ ਦੇ ਬਾਰੇ ਪਤਾ ਹੈ ਲਗਭਗ ਰਾਤ ਨੂੰ ਬਦਲ ਦਿੱਤਾ. ਸੱਚ-ਮੁੱਚ ਬੁੱਧੀਮਾਨ ਨਕਲੀ ਖੁਫੀਆ ਦੇ ਦੌਰ ਆਇਆ.

DeepMind

ਇਸ ਕਰਕੇ ਇਸ ਨੂੰ ਆਈ.ਸੀ.ਐਸ ਹੈ ਕਿ ਜਗ੍ਹਾ ਨੂੰ ਲੈ ਰਹੇ ਹਨ, ਗੂਗਲ DeepMind ਤੱਕ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੇ ਵਿਕਾਸ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਦੇ ਵਿਕਾਸ 'ਚ ਪ੍ਰਮੁੱਖ ਮੀਲਪੱਥਰ ਦੇ ਟਰੈਕ ਰੱਖਣ ਲਈ ਇਸ ਨੂੰ ਦਿਲਚਸਪ ਹੈ. ਇਹ ਨਿਊਰਲ ਨੈਟਵਰਕ ਖੇਡ ਸੰਸਾਰ ਵਿਚ ਮਨੁੱਖੀ, ਅਤੇ ਗੂਗਲ ਦੇ ਕੇ ਇੱਕ ਨਵ ਅਧਿਐਨ ਨੂੰ ਹਰਾਉਣ ਦੇ ਯੋਗ ਹੋਇਆ ਹੈ, ਲੱਗਦਾ ਹੈ ਕਿ ਸਿਰਜਣਹਾਰ ਨੇ ਅਜੇ ਇਹ ਯਕੀਨੀ ਹੈ ਕਿ ਕੀ AI ਨੂੰ ਇੱਕ ਹੋਰ ਹਮਲਾਵਰ ਜ ਸਹਿਕਾਰੀ ਵਿਵਹਾਰ ਨੂੰ ਪਸੰਦ ਨਾ DeepMind.

ਗੂਗਲ ਦੀ ਟੀਮ ਦੋ ਮੁਕਾਬਲਤਨ ਸਧਾਰਨ ਸਕਰਿਪਟ ਹੈ, ਜੋ ਕਿ ਤੁਹਾਨੂੰ ਚੈੱਕ ਕਰਨ ਲਈ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਮਿਲ ਕੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਇਸਤੇਮਾਲ ਕਰ ਸਕਦੇ ਹੋ, ਜ, ਜਦ ਵਸੀਲੇ ਦੀ ਘਾਟ ਦੀ ਸਮੱਸਿਆ ਨਾਲ ਦਾ ਸਾਹਮਣਾ ਇਕ ਦੂਜੇ ਨੂੰ ਤਬਾਹ ਕਰ ਦੇਵੇਗਾ ਬਣਾਇਆ ਹੈ.

ਵਸੀਲੇ ਇਕੱਠੇ ਕਰਨ

ਲਾਲ ਅਤੇ ਨੀਲੇ - - ਹਰੀ ਸਫਾਈ ਦਾ ਕੰਮ ਨੱਥੀ ਸਪੇਸ ਦੇ ਅੰਦਰ "ਸੇਬ," ਪਾ ਦਿੱਤਾ ਗਿਆ ਹੈ ਪਹਿਲੀ ਸਥਿਤੀ ਵਿੱਚ, ਕਹਿੰਦੇ ਇਕੱਠੇ ਦੋ ਵਰਜਨ DeepMind ਸ਼ਾਮਲ. ਨਾ ਸਿਰਫ ਬਾਰੇ ਜੋ ਮੁਕੰਮਲ ਲਾਈਨ ਕਰਨ ਲਈ ਪਹਿਲੀ ਆ ਜਾਵੇਗਾ ਪਰ ਖੋਜਕਾਰ ਸਵਾਲ ਵਿੱਚ ਦਿਲਚਸਪੀ ਸਨ. ਦੋਨੋ ਵਰਜਨ DeepMind lasers ਨਾਲ ਲੈਸ ਸਨ, ਜੋ ਕਿ ਉਹ ਕਿਸੇ ਵੀ ਵੇਲੇ 'ਤੇ ਵਰਤ ਸਕਦਾ ਹੈ ਦੁਸ਼ਮਣ ਨੂੰ' ਤੇ ਸ਼ੂਟ ਕਰਨ ਲਈ ਹੈ ਅਤੇ ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਇਸ ਨੂੰ ਅਯੋਗ ਕਰੋ. ਇਹ ਹਾਲਾਤ ਦੇ ਦੋ ਮੁੱਖ ਦ੍ਰਿਸ਼ ਮੰਨਿਆ ਰਹੇ ਹਨ: ਇੱਕ ਵਰਜਨ DeepMind ਹੋਰ ਨੂੰ ਤਬਾਹ ਅਤੇ ਸਾਰੇ ਸੇਬ ਨੂੰ ਇੱਕਠਾ ਕਰਨ ਲਈ ਸੀ, ਜ ਉਹ ਇਕ-ਦੂਜੇ ਨੂੰ ਉਸੇ ਹੀ ਰਕਮ ਦੇ ਬਾਰੇ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਸੀ.

ਘੱਟੋ-ਘੱਟ ਇਕ ਹਜ਼ਾਰ ਸਿਮੂਲੇਸ਼ਨ ਰਨ ਵਾਰ, ਗੂਗਲ ਰਿਪੋਰਟ ਨੇ ਕਿਹਾ ਕਿ DeepMind, ਬਹੁਤ ਹੀ ਅਮਨ ਅਤੇ ਸਹਿਯੋਗ ਕਰਨ ਲਈ ਤਿਆਰ ਸੀ, ਜਦ ਕਿ ਇੱਕ ਸੀਮਤ ਸਪੇਸ ਵਿੱਚ ਸੇਬ ਦਾ ਇੱਕ ਬਹੁਤ ਸਾਰਾ ਸੀ. ਪਰ ਘਟ ਵਸੀਲੇ, ਲਾਲ ਜ ਨੀਲਾ ਵਰਜਨ ਨਾਲ DeepMind ਹਮਲਾ ਕਰਨ ਅਤੇ ਇਕ-ਦੂਜੇ ਨੂੰ ਅਯੋਗ ਕਰਨ ਲਈ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ. ਇਸ ਸਥਿਤੀ ਨੂੰ ਇਨਸਾਨ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਸਭ ਜਾਨਵਰ, ਦੀ ਅਸਲੀ ਜ਼ਿੰਦਗੀ ਨੂੰ ਵੀ ਇਸੇ ਦਾ ਇੱਕ ਵੱਡੀ ਹੱਦ ਤੱਕ ਹੈ.

ਕੀ ਹੋਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਘੱਟ ਅਤੇ ਘੱਟ "ਸਮਾਰਟ" ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਵਿੱਚ ਨੇੜੇ ਸਹਿਯੋਗ ਨੂੰ ਤਰਜੀਹ. ਹੋਰ ਗੁੰਝਲਦਾਰ, ਵੱਡੇ ਨੈੱਟਵਰਕ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰਯੋਗ ਦੀ ਇੱਕ ਲੜੀ ਦੌਰਾਨ ਧੋਖਾ ਅਤੇ ਖ਼ੁਦਗਰਜ਼ੀ ਨੂੰ ਤਰਜੀਹ ਰਹੇ ਹਨ.

"ਦਾ ਸ਼ਿਕਾਰ" ਲਈ ਖੋਜ

ਦੂਜਾ ਦ੍ਰਿਸ਼ ਵਿੱਚ, ਕਹਿੰਦੇ wolfpack, ਲਾਲ ਅਤੇ ਨੀਲੇ ਵਰਜਨ ਇੱਕ "ਦਾ ਸ਼ਿਕਾਰ" ਦੇ ਿਵਅਕਤਕ ਸ਼ਕਲ, ਟਰੈਕ ਡਾਊਨ ਕਰਨ ਲਈ ਕਿਹਾ ਹੈ. ਉਹ ਉਸ ਨੂੰ ਫੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਉਸ ਲਈ ਇਸ ਨੂੰ ਹੋਰ ਵੀ ਇਸ ਨੂੰ ਮਿਲ ਕੇ ਕੀ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦਾ ਭਲਾ ਹੋਵੇਗਾ. ਸਭ ਦੇ ਬਾਅਦ, ਬਹੁਤ ਹੀ ਆਸਾਨ ਦਾ ਸ਼ਿਕਾਰ ਗੱਡੀ ਚਲਾਉਣ ਲਈ ਇੱਕ ਕੋਨੇ ਵਿੱਚ, ਜੇ ਤੁਹਾਡੇ ਮਿਲ ਹਨ.

ਪਰ ਨਤੀਜੇ ਛੋਟੇ ਨੈੱਟਵਰਕ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਮਿਲਾਇਆ ਸੀ, ਵੱਡੇ ਵਰਜਨ ਨੂੰ ਜਲਦੀ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਮੁਕਾਬਲੇ ਸਹਿਯੋਗ ਦੀ ਬਜਾਏ ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਵਧੇਰੇ ਅਨੁਕੂਲ ਹੋ ਜਾਵੇਗਾ.

"ਕੈਦੀ ਦੀ ਦੁਬਿਧਾ '

ਇਸ ਲਈ ਕਿ ਕੀ "ਕੈਦੀ ਦੀ ਦੁਬਿਧਾ 'ਦੇ ਇਹ ਦੋ ਹੀ ਸਧਾਰਨ ਵਰਜਨ ਨੂੰ ਕੀ ਪਤਾ ਲੱਗਦਾ ਹੈ? DeepMind ਜਾਣਦਾ ਹੈ ਕਿ ਕੰਮ ਕਰਨ ਲਈ ਵਧੀਆ ਤਰੀਕਾ ਹੈ, ਜੇ ਤੁਹਾਨੂੰ ਦਾ ਟੀਚਾ ਟਰੈਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਸਨ, ਪਰ ਜਦ ਵਸੀਲੇ ਸੀਮਤ ਹਨ, ਇਸ ਨੂੰ ਚੰਗੀ ਵਿਸ਼ਵਾਸਘਾਤ ਕੰਮ ਕਰਦਾ ਹੈ.

ਸ਼ਾਇਦ ਇਹ ਨਤੀਜੇ ਹੈ, ਜੋ ਕਿ ਨਕਲੀ ਖੁਫੀਆ ਦੀ "ਖਸਲਤ" ਵੀ ਮਨੁੱਖੀ ਸਮਾਨ ਹੈ, ਅਤੇ ਸਾਨੂੰ ਉਹ ਕਈ ਵਾਰ ਦਾ ਕਾਰਨ ਬਣ ਦੇ ਨਾਲ ਨਾਲ ਜਾਣੂ ਹੋ ਵਿੱਚ ਬੁਰਾ ਗੱਲ.