Pagrindiniai pasiėmimai
- Nauja kompiuterių aparatinė įranga leistų dirbtiniam intelektui nuolat mokytis kaip žmogaus smegenims.
- Purdue universiteto mokslininkai teigia, kad jų įrenginį galima perprogramuoti pagal poreikį naudojant elektros impulsus.
- Nors dirbtinio intelekto sistema, kuri visiškai mokosi pati, vis dar daugiausia yra sąvoka, yra daug pavyzdžių, kurie priartėja.
Dirbtinis intelektas (DI) netrukus gali gauti postūmį dėl naujo tipo kompiuterių lustų, įkvėptų žmogaus smegenų.
Purdue universiteto mokslininkai sukūrė naują techninės įrangos dalį, kurią pagal poreikį galima perprogramuoti naudojant elektros impulsus. Komanda teigia, kad šis pritaikomumas leistų įrenginiui atlikti visas būtinas funkcijas, kad būtų galima sukurti smegenų įkvėptą kompiuterį. Tai dalis nuolatinių pastangų kuriant AI sistemas, kurios galėtų nuolat mokytis.
„Kai dirbtinio intelekto sistemos nuolat mokosi aplinkoje, jos gali prisitaikyti prie pasaulio, kuris laikui bėgant keičiasi“, – interviu el. paštu „Lifewire“sakė Stevenso technologijos instituto AI ekspertas Jordanas Suchowas. „Tai matome, pavyzdžiui, kai sukčiavimo aptikimo sistema nustato anksčiau nepastebėtą nesąžiningų pirkinių modelį arba kai veido atpažinimo sistema susiduria su asmeniu, kurio dar niekada nematė.“
Besimokantys visą gyvenimą
Purdue mokslininkai neseniai paskelbė straipsnį žurnale Science. Jame aprašoma, kaip kompiuterių lustai gali dinamiškai persijungti į naujus duomenis, kaip tai daro smegenys. Šis metodas galėtų padėti dirbtiniam intelektui laikui bėgant mokytis.
„Gyvų būtybių smegenys gali nuolat mokytis visą savo gyvenimą. Dabar sukūrėme dirbtinę platformą mašinoms mokytis visą jų gyvenimą“, – pranešime spaudai sakė vienas iš straipsnio autorių Shriramas Ramanathanas.
Ramanatano komandos sukurta techninė įranga yra mažas, stačiakampis įtaisas, pagamintas iš medžiagos, vadinamos perovskito nikeliatu, kuri yra labai jautri vandeniliui. Taikant skirtingų įtampų elektros impulsus, prietaisas per nanosekundes gali sumaišyti vandenilio jonų koncentraciją, sukuriant būsenas, kurias, kaip nustatė mokslininkai, galima priskirti atitinkamoms smegenų funkcijoms.
Pvz., kai prietaiso centre yra daugiau vandenilio, jis gali veikti kaip neuronas, viena nervinė ląstelė. Kai toje vietoje yra mažiau vandenilio, prietaisas tarnauja kaip sinapsė, jungtis tarp neuronų, kurią smegenys naudoja atminčiai saugoti sudėtingose neuroninėse grandinėse.
„Jei norime sukurti kompiuterį ar mašiną, kuri būtų įkvėpta smegenų, tai atitinkamai norime turėti galimybę nuolat programuoti, perprogramuoti ir keisti lustą“, – sakė Ramanathanas.
Mąstymo mašinos?
Daugelis šiuolaikinių dirbtinio intelekto sistemų prisitaiko prie naujos informacijos, kai jos perkvalifikuojamos, el. laiške sakė Davidas Kanteris, atviro inžinierių konsorciumo, skirto mašininiam mokymuisi tobulinti, direktorius.
„Pasaulis yra iš esmės dinamiška vieta, ir galiausiai mašininis mokymasis ir AI turi prie to prisitaikyti“, – sakė Kanteris. „Pavyzdžiui, kalbos atpažinimo sistema 2022 m., kuri „nežino“apie COVID-19 ar koronavirusus, trūktų didelio šiuolaikinio pasaulio aspekto. Panašiai autonominė transporto priemonė turėtų prisitaikyti prie pokyčių gatvėse, tiltų uždarymo ar net dėl žemos temperatūros kelias apledėja."
Nors dirbtinio intelekto sistema, kuri mokosi visiškai savaime, vis dar yra koncepcija, daugelis pavyzdžių yra artimi, interviu el. paštu sakė Sameer Maskkey, AI bendrovės Fusemachines generalinis direktorius. Viena iš šių savarankiškai besimokančių sistemų paskelbė naujieną, kai AI sistema įveikė žmogų Go žaidime.
„AlphaGo“buvo pirmasis „DeepMind“AI, nugalėjęs profesionalų „Go“žaidėją“, – pridūrė Masky. „Jų žaidimų franšizės tapo atspirties taškais, kai kiekvienas naujas papildymas daro pažangą link dirbtinio intelekto, kuris nuolat mokosi.“
Ateities AI sistemos ieškos informacijos, kurios joms reikia norint priimti gerus sprendimus ir imtis atitinkamų veiksmų, prognozavo Suchow. Šie pažangūs kompiuteriai išvengs brangių klaidų, nes mokysis iš savo patirties modeliavimo, pavyzdžiui, „žaisdamas savarankiškai“, kai AI įsivaizduoja sąveikos su savo kopijomis rezultatus.
„Tai panašu į tai, kaip žmonės gali mokytis pasitelkdami vaizduotę, numatydami blogą rezultatą, nereikalaujant to patirti tiesiogiai“, – pridūrė Suchow. „AI sistemos išmoks veiksmingesnių mokymosi strategijų taip, kad studentas galėtų nukreipti savo laiką ir dėmesį ne tik į esminį studijų turinį, bet ir į patį mokymosi procesą."
