IBM моделює новий ШІ за зразком людського мозку.
Уважні роботи
В даний час технології штучного інтелекту (ШІ) здатні виявляти людські риси, що можна точно спостерігати зовні. Деякі з них навмисно гуманістичні, а інші виконують завдання, які ми зазвичай асоціюємо з людством – написання пісень, навчання та візуальне мистецтво.
Але, по ходу розвитку ШІ, компанії та розробники переосмислюють його основи, вивчаючи власний інтелект і те, як ми можемо ефективно імітувати його, використовуючи машини та програмне забезпечення. IBM є однією з таких компаній, оскільки вони почали амбіційний квест, щоб навчити ШI діяти за принципом людського мозку.
Багато існуючих систем машинного навчання будуються навколо необхідності витягувати необхідну інформацію з безлічі даних. Чи вони вирішують проблеми, задля перемоги в грі чи виявляють рак шкіри по зображенням – це часто виконується вірно. Однак, ця основа обмежена – і вона відрізняється від людського мозку.
Ми, як люди, навчаємося поступово. Простіше кажучи, ми вивчаємо, як ми йдемо. Поки ми набуваємо знання, щоб мати змогу користуватись ним в будь-який момент, наш мозок адаптує та поглинає інформацію інакше, ніж це роблять багато існуючих штучних систем. Крім того, люди логічні. Ми використовуємо розумові навички та логіку для вирішення проблем, для чогось, що ці системи ще не в змозі досягнути
IBM хоче змінити це. Група дослідників DeepMind створила синтетичну нейронну мережу, яка, як повідомляється, використовує раціональні міркування для виконання завдань.
Раціональне машинобудування
Даючи ШI кілька об’єктів і конкретне завдання:
“Ми явно змушуємо мережу виявляти існуючі взаємозв’язки”, – говорить Тімоті Лілікрапп, комп’ютерний вчений в компанії DeepMind в інтерв’ю журналу Science Magazine.
У ході тестування мережі ще в червні було поставлено запитання про зображення з декількома об’єктами. Мережі було задано питання, наприклад:
“Існує об’єкт перед синьою штукою. Чи має він ту ж форму, що й крихітна блакитна річ, яка знаходиться праворуч від сірої металевої кульки? “
У цьому тесті мережа правильно відзначала об’єкти 96 відсотків часу, порівняно з 42 – 77 відсотками, які було досягнуто традиційними моделями машинного навчання. Прогресивна мережа також зіткнулась з “проблемами зі словом”, тож вона продовжує розвиватися і вдосконалюватися. На додаток до навичок обґрунтування, дослідники розвивають здатність мережі звертати увагу на щось та навіть створювати та зберігати спогади.
Майбутнє розвитку ШІ може бути прискорено та значно розширено, якщо використовувати таку тактику, за словами Ірини Риш, співробітника дослідницького штабу IBM, в інтерв’ю Engadget,
“Навчання нейронної мережі є розробленим процесом, що займає дуже багато роботи, щоб насправді створити ШІ з особливою будовою, що як найкраще працює. Це підхід випробувань та помилок … Було б добре, якби ці мережі могли будувати самі себе “.
Іноді, страшно думати про досконалу побудову мереж ШІ та вдосконалення себе, але якщо ці процеси будуть постійно моніторитися, ініціюватися та будуть правильно скеровуватися, це може дозволити вийти технології за рамки поточних обмежень. Незважаючи на побоювання, щодо загроз розвитку ШІ, покращення техногенних технологій може врятувати життя людей в медицині, дозволити людям потрапити на Марс та багато іншого.
