ترجمه فارسی مقاله یادگیری اعداد تصادفی برای تحقق سیستم حافظه قابل افزودن برای هوش مصنوعی جهت کسب دانش جدید پس از استقرار

چکیده

In this study, we developed a learning method for constructing a neural network system capable of memorizing data and recalling it without parameter updates. The system we built using this method is called the Appendable Memory system. The Appendable Memory system enables an artificial intelligence (AI) to acquire new knowledge even after deployment. It consists of two AIs: the Memorizer and the Recaller. This system is a key-value store built using neural networks. The Memorizer receives data and stores it in the Appendable Memory vector, which is dynamically updated when the AI acquires new knowledge. Meanwhile, the Recaller retrieves information from the Appendable Memory vector. What we want to teach AI in this study are the operations of memorizing and recalling information. However, traditional machine learning methods make AI learn features inherent in the learning dataset. We demonstrate that the systems we intend to create cannot be realized by current machine learning methods, that is, by merely repeating the input and output learning sequences with AI. Instead, we propose a method to teach AI to learn operations, by completely removing the features contained in the learning dataset. Specifically, we probabilized all the data involved in learning. This measure prevented AI from learning the features of the data. The learning method proposed in the study differs from traditional machine learning methods and provides fundamental approaches for building an AI system that can store information in a finite memory and recall it at a later date.

چکیده به فارسی (ترجمه ماشینی)

در این مطالعه ، ما یک روش یادگیری برای ساخت یک سیستم شبکه عصبی که قادر به حفظ داده ها و یادآوری آن بدون به روزرسانی پارامترها است ، تهیه کردیم.سیستمی که ما با استفاده از این روش ساخته ایم ، سیستم حافظه ضمیمه نامیده می شود.سیستم حافظه ضمیمه یک هوش مصنوعی (AI) را قادر می سازد دانش جدیدی را حتی پس از استقرار بدست آورد.این شامل دو AIS است: یادآوری و فراخوان.این سیستم یک فروشگاه با ارزش کلیدی است که با استفاده از شبکه های عصبی ساخته شده است.این Memorizer داده ها را دریافت می کند و آن را در بردار حافظه Appendable ذخیره می کند ، که وقتی AI دانش جدیدی را بدست می آورد ، به صورت پویا به روز می شود.در همین حال ، Recaller اطلاعات را از بردار حافظه ضمیمه بازیابی می کند.آنچه ما می خواهیم در این مطالعه AI را آموزش دهیم ، عملیات حفظ و یادآوری اطلاعات است.با این حال ، روشهای یادگیری ماشین سنتی ویژگی های یادگیری AI را ذاتی در مجموعه داده های یادگیری می کند.ما نشان می دهیم که سیستمهایی که قصد ایجاد آنها را داریم ، نمی توانند با روشهای یادگیری ماشین فعلی ، یعنی صرفاً با تکرار توالی های یادگیری ورودی و خروجی با AI ، تحقق یابند.درعوض ، ما روشی را برای آموزش هوش مصنوعی برای یادگیری عملیات ، با حذف کامل ویژگی های موجود در مجموعه داده های یادگیری پیشنهاد می کنیم.به طور خاص ، ما احتمالاً تمام داده های مربوط به یادگیری را انجام دادیم.این اندازه گیری مانع از یادگیری ویژگی های داده ها شد.روش یادگیری ارائه شده در این مطالعه با روشهای یادگیری ماشین سنتی متفاوت است و رویکردهای اساسی برای ساختن یک سیستم هوش مصنوعی ارائه می دهد که می تواند اطلاعات را در یک حافظه محدود ذخیره کند و آن را در تاریخ بعدی به یاد بیاورد.