Differentiable Neural Computer (DNC): DeepMind ha voluto creare una nuova architettura dei calcolatori (Differentiable Neural Computer) dotata di intelligenza artificiale che possa accedere alla propria memoria, e che possa elaborarla per rispondere a nuove domande, che possa quindi imparare dalla propria memoria.

Secondo gli esperti di DeepMind, la nostra memoria non fa parte della nostra intelligenza e del nostro essere, non è che un supporto, che la nostra intelligenza ha imparato in qualche modo a leggere.
Il nostro essere, quindi, ogni volta che deve ricordare, prende “in input” tutta la nostra memoria e il contesto in cui siamo, il nostro bisogno, le nostre sensazioni, e restituisce “in output” una nuova interpretazione del ricordo.

Il nostro processo di ricordo è quindi paragonabile ad un processo di intelligenza artificiale, che impara a leggere la propria memoria come se fosse un input, un segnale, e a produrre una nuova informazione in output  che verrà memorizzata.

Analizzando Differentiable Neural Computer

Alla base del DNC vi è quindi l’Intelligenza Artificiale che addestrata ad interpretare la memoria, e responsabile quindi della lettura della memoria, della produzione dell’interpretazione, ma anche della scrittura in memoria. La memoria è una serie di locazioni, ognuna che può memorizzare un vettore di informazioni.

Il controller decide quando scrivere e dove scrivere nella memoria, può scegliere di scrivere in un nuovo spazio di memoria o sopra ad uno già utilizzato, aggiornando quindi le informazioni. Se la memoria è piena, il controller può decidere quali informazioni eliminare e quindi quali locazioni liberare.

Il controller si occupa anche di leggere i dati che memorizza, può scorrerli seguendo le connessioni, seguendo l’ordine temporale con cui sono state memorizzate. La struttura stessa delle informazioni memorizzate finora, può suggerire al controller come memorizzare nuove informazioni, in modo che vengano inserite con una logica.

Un’intelligenza artificiale viene addestrata senza programmarla. Viene creato un modello analitico con alcune funzioni ad una o più variabili, e vengono quindi estratti i vari pesi (coefficienti delle variabili) e bias (costanti) , allineati e privati del loro significato, come a creare un “genoma” dell’intelligenza, che in base ai diversi valori di pesi e bias, dato un input produrrà direttamente un output.

Differentiable Neural Computer

Intelligenza artificiale per facilitare la lettura del labiale

A sostenere questa tesi sono i ricercatori del laboratorio di intelligenza artificiale presso l’Università di Oxford, i quali hanno proprio realizzato a questo proposito un software chiamato LipNet, il quale è stato in grado di far registrare risultati notevoli nel riconoscimento del labiale, con un livello di accuratezza che ha raggiunto il 93.4% contro solo il 52.3% ottenuto dalle persone.

Il software, nonostante si trovi agli stadi iniziali del suo sviluppo, è anche molto veloce nella trascrizione quasi in tempo reale del labiale mostrato su video dei quali è stato silenziato l’audio, ma al di là di questi risultati davvero notevoli, l’esperimento dei tecnici di Oxford presenta comunque dei limiti, a partire dal fatto che questa AI è stata addestrata e testata su uno specifico dataset.