Nowe badania: Czy AI może uczyć się jak ludzie?

Czas czytania: 2 minut
Przez Jamie Olivos
- w
Mózg robota z siecią neuronową szybko analizujący dane.

WarsawSztuczna inteligencja (SI) coraz lepiej naśladuje ludzkie działania, potrafi czytać, rozmawiać i przetwarzać ogromne ilości danych. Może również doradzać w podejmowaniu decyzji biznesowych. Mimo to, SI wciąż ma znaczące ograniczenia. Jednym z największych problemów jest jej interakcja ze światem fizycznym. Współczesne systemy SI potrzebują milionów przykładów treningowych, aby wykonywać konkretnie zadania, takie jak rozwiązywanie problemów matematycznych czy pisanie esejów.

Kyle Daruwalla, stypendysta NeuroAI w Cold Spring Harbor Laboratory, stara się udoskonalić sztuczną inteligencję. Bada nowe metody projektowania AI. Jego najnowszy pomysł analizuje, jak sztuczna inteligencja przetwarza dane. Współczesna AI zużywa dużo energii, ponieważ dane muszą pokonywać długie dystanse. Daruwalla czerpie inspirację z funkcjonowania ludzkiego mózgu.

Oto kilka najważniejszych aspektów jego nowego projektu:

  • Zainspirowany ludzkim mózgiem
  • Zwiększa wydajność przepływu danych
  • Umożliwia neuronowym sieciom AI dostosowywanie się w czasie rzeczywistym
  • Włącza pamięć roboczą do procesu AI

W mózgu połączenia nieustannie się zmieniają i dostosowują. Daruwalla wykorzystał tę koncepcję do stworzenia systemu, w którym sztuczne neurony otrzymują natychmiastową informację zwrotną i dokonują szybkich dostosowań. Dzięki temu dane mogą być przetwarzane od razu, bez konieczności przesyłania ich na dużą odległość.

Badania wskazują na związek między pamięcią roboczą a nauką oraz osiągnięciami akademickimi. Pamięć robocza pozwala nam utrzymać koncentrację podczas korzystania z wcześniej zgromadzonych informacji. Model Daruwalli potwierdza tę koncepcję, wykazując, że każda synapsa AI musi mieć w pobliżu system pamięci roboczej, aby umożliwić dokonywanie korekcji.

Nowy model opracowany przez Daruwallę może pomóc sztucznej inteligencji uczyć się na podobieństwo ludzi. Może to sprawić, że AI stanie się bardziej efektywna i łatwiejsza w obsłudze. To ważne, ponieważ neurologia od dawna dostarcza istotnych informacji do rozwoju AI. Model Daruwalli może przyczynić się do postępów w obu tych dziedzinach.

Nowy projekt aktualizuje system stopniowo, bez przerywania jego działania. Dzięki temu sztuczna inteligencja przetwarza dane w sposób zbliżony do ludzkiego uczenia się. To istotny krok naprzód w tworzeniu AI, która uczy się, jak robią to ludzie.

Sztuczna inteligencja poczyniła ostatnio znaczące postępy, jednak nadal ma trudności z zadaniami fizycznymi i rozwiązywaniem złożonych problemów. Daruwalla ma nową koncepcję, która może to zmienić. Zamierza wykorzystać ludzki mózg jako wzór do tworzenia systemów AI, które będą bardziej naturalne i wydajniejsze.

NeuroAI to dziedzina badawcza, która łączy neuronaukę i sztuczną inteligencję. Praca Daruwalli w tym obszarze może przyczynić się do ulepszenia sposobu, w jaki systemy AI uczą się i dostosowują.

Jego projekt kładzie nacisk na wydajne przesyłanie danych i ciągłe dostosowywanie się. Może to pomóc w pokonaniu niektórych ograniczeń obecnych technologii AI.

Nowy projekt sztucznej inteligencji autorstwa Kyle'a Daruwalli czerpie inspirację z funkcjonowania ludzkiego mózgu. Usprawnia on przesył i przetwarzanie danych. Model ten wykorzystuje pamięć roboczą, co sprawia, że sztuczna inteligencja staje się bardziej adaptacyjna. To istotny krok w stronę tworzenia AI, które uczy się jak ludzie, i może prowadzić do przyszłych usprawnień w dziedzinie AI oraz neuronauki.

Badanie jest publikowane tutaj:

http://dx.doi.org/10.3389/fncom.2024.1240348

i jego oficjalne cytowanie - w tym autorzy i czasopismo - to

Kyle Daruwalla, Mikko Lipasti. Information bottleneck-based Hebbian learning rule naturally ties working memory and synaptic updates. Frontiers in Computational Neuroscience, 2024; 18 DOI: 10.3389/fncom.2024.1240348
Sztuczna Inteligencja: Najnowsze wiadomości

Udostępnij ten artykuł

Komentarze (0)

Opublikuj komentarz