Prvýkrát: Neurónová sieť AI zachytáva ‚kritický aspekt ľudskej inteligencie‘
Výskumníci preukázali, že systém umelej inteligencie (AI) nazývaný neurónová sieť môže byť trénovaný na prejav „systematickej kompozitnosti“, kľúčovej časti ľudskej inteligencie. Neurónové siete teraz môžu „myslieť“ viac ako ľudia ako kedykoľvek predtým, ukazujú vedci v novej štúdii. Výskum, publikovaný v stredu (25. októbra) v časopise Nature, signalizuje posun v desaťročia trvajúcej debate v kognitívnej vede – oblasti, ktorá skúma, aký druh počítača by najlepšie reprezentoval ľudskú myseľ1.
Od 80. rokov minulého storočia sa skupina kognitívnych vedcov domnieva, že neurónové siete, typ umelej inteligencie (AI), nie sú životaschopnými modelmi mysle, pretože ich architektúra nedokáže zachytiť kľúčový aspekt toho, ako ľudia myslia. Ale s tréningom môžu neurónové siete teraz získať túto ľudskú schopnosť. „Naša práca tu naznačuje, že tento kritický aspekt ľudskej inteligencie … môže byť získaný prostredníctvom praxe pomocou modelu, ktorý bol zamietnutý pre … nedostatok týchto schopností,“ povedal spoluautor štúdie Brenden Lake, asistent profesora psychológie a dátových vied na Newyorskej univerzite1.
Neurónové siete napodobňujú štruktúru ľudského mozgu, pretože ich uzly na spracovanie informácií sú navzájom prepojené a ich spracovanie dát prebieha v hierarchických vrstvách. Ale historicky sa systémy AI nechovali ako ľudská myseľ, pretože im chýbala schopnosť kombinovať známe koncepty novými spôsobmi – schopnosť nazývaná „systematická kompozitnosť“1.
V novej štúdii Lake a spoluautor štúdie Marco Baroni z Pompeu Fabra University v Barcelone testovali oba modely AI a ľudských dobrovoľníkov pomocou vymysleného jazyka so slovami ako „dax“ a „wif“. Tieto slová buď zodpovedali farebným bodkám, alebo funkciám, ktoré nejakým spôsobom manipulovali s poradím týchto bodiek v sekvencii. Takže sekvencie slov určovali poradie, v ktorom sa objavovali farebné bodky1.
Po testovaní siedmich modelov AI Lake a Baroni prišli na metódu, nazývanú meta-učenie pre kompozitnosť (MLC), ktorá umožňuje neurónovej sieti cvičiť aplikáciu rôznych sád pravidiel na novo naučené slová, zároveň poskytuje spätnú väzbu o tom, či pravidlá správne uplatnila. MLC-trénovaná neurónová sieť dosiahla alebo prekonala výkonnosť ľudí v týchto testoch. A keď výskumníci pridali údaje o bežných chybách ľudí, model AI potom robil rovnaké typy chýb ako ľudia1.
Autori tiež postavili MLC proti dvom modelom neurónovej siete od OpenAI, firmy za ChatGPT, a zistili, že MLC a ľudia sa na teste bodiek výrazne lepšie predviedli ako modely OpenAI. MLC tiež zvládol ďalšie úlohy, ktoré zahŕňali interpretáciu písomných pokynov a významov viet1.
Napriek súčasným obmedzeniam, „až do tohto článku sme skutočne nedosiahli výcvik siete, ktorá by bola plne kompozičná,“ povedal. „Myslím, že ich článok posúva veci vpred,“. Zvýšenie schopnosti MLC ukázať kompozičnú generalizáciu je dôležitým ďalším krokom, dodal Smolensky. „To je centrálna vlastnosť, ktorá nás robí inteligentnými, takže to musíme zvládnuť,“ povedal. „Táto práca nás vedie tým smerom, ale nezvládne to.“ (Ešte.)1.
