Allanando el camino para sistemas generalizados con IA más efectiva y eficiente
A partir de este fin de semana, la trigésima novena Conferencia Internacional sobre Aprendizaje Automático (ICML 2022) se reunirá del 17 al 23 de julio de 2022 en el Centro de Convenciones de Baltimore en Maryland, EE. UU., y se llevará a cabo como un evento híbrido.
Investigadores que trabajan en inteligencia artificial, ciencia de datos, visión artificial, biología computacional, reconocimiento de voz y más están presentando y publicando sus trabajos de vanguardia en aprendizaje automático.
Además de patrocinar la conferencia y apoyar talleres y eventos sociales organizados por nuestros socios a largo plazo latinox, Negro en IA, Queer en IAy Mujeres en el aprendizaje automático, nuestros equipos de investigación presentan 30 artículos, incluidas 17 colaboraciones externas. Aquí hay una breve introducción a nuestras próximas presentaciones orales y destacadas:
Aprendizaje por refuerzo efectivo
Hacer que los algoritmos de aprendizaje por refuerzo (RL) sean más efectivos es clave para construir sistemas de IA generalizados. Esto incluye ayudar a aumentar la precisión y la velocidad del rendimiento, mejorar la transferencia y el aprendizaje inmediato y reducir los costos computacionales.
En una de nuestras presentaciones orales seleccionadas, mostramos una Nueva forma de aplicar la mejora generalizada de políticas (GPI) sobre composiciones de políticas que lo hacen aún más efectivo para impulsar el desempeño de un agente. Otra presentación oral propuso una nueva forma fundamentada y escalable de Explora de forma eficiente sin necesidad de bonificaciones.. Paralelamente, proponemos un método para aumentar un agente RL con un proceso de recuperación basado en la memoriareduciendo la dependencia del agente de la capacidad de su modelo y permitiendo un uso rápido y flexible de experiencias pasadas.
Progresos en los modelos lingüísticos
El lenguaje es una parte fundamental del ser humano. Brinda a las personas la capacidad de comunicar pensamientos y conceptos, crear recuerdos y desarrollar un entendimiento mutuo. Estudiar aspectos del lenguaje es clave para comprender cómo funciona la inteligencia, tanto en los sistemas de IA como en los humanos.
Nuestra presentación oral sobre leyes de escala unificadas y nuestro artículo sobre recuperación Ambos exploran cómo podríamos construir modelos de lenguaje más grandes de manera más eficiente. Al buscar formas de construir modelos de lenguaje más efectivos, presentamos un nuevo conjunto de datos y un punto de referencia con StreamingQA que evalúa cómo los modelos se adaptan y olvidan nuevos conocimientos con el tiempo, mientras que nuestro artículo sobre generación narrativa muestra cómo los modelos de lenguaje actuales previamente entrenados todavía tienen dificultades para crear textos más largos debido a limitaciones de la memoria a corto plazo.
razonamiento algorítmico
El razonamiento algorítmico neuronal es el arte de construir redes neuronales que puedan realizar cálculos algorítmicos. Esta creciente área de investigación tiene un gran potencial para ayudar a adaptar algoritmos conocidos a problemas del mundo real.
Introducimos el Punto de referencia CLRS para razonamiento algorítmico, que evalúa las redes neuronales al realizar un conjunto diverso de treinta algoritmos clásicos del libro de texto Introducciones a los algoritmos. Asimismo, proponemos una algoritmo general de aprendizaje incremental que adapta la repetición de la experiencia retrospectiva a la demostración automatizada de teoremas, una herramienta importante para ayudar a los matemáticos a demostrar teoremas complejos. Además, presentamos un marco para la simulación aprendida basada en restriccionesque muestra cómo se pueden utilizar la simulación tradicional y los métodos numéricos en simuladores de aprendizaje automático, una nueva dirección importante para resolver problemas de simulación complejos en ciencia e ingeniería.
Vea la gama completa de nuestro trabajo en ICML 2022 aquí.