Просунутий штучний інтелект потребує машин, які навчаються як люди

Вчені стверджують, що вони стали на крок ближче до створення штучного інтелекту, здатного імітувати людське навчання.

На конференції з машинного навчання, що відбулася цього тижня в Гонолулу, дослідники з Університету штату Огайо заявили, що вони проаналізували процес під назвою “безперервне навчання”, який дозволяє комп’ютеру постійно набувати нових навичок, не забуваючи попередні знання – подібно до того, як люди спираються на попередній досвід, щоб вивчати нові речі.

Команда заявила, що штучні нейронні мережі можуть страждати від “катастрофічного забування”, тобто, коли вони беруться за нові завдання, вони втрачають інформацію, отриману під час попереднього навчання. Це створює проблему, оскільки суспільство все більше покладається на системи штучного інтелекту в таких сферах, як самокеровані автомобілі.

“Оскільки програми автоматизованого водіння або інші роботизовані системи навчаються новому, важливо, щоб вони не забували уроки, які вони вже засвоїли, заради нашої і своєї безпеки”, – говорить Несс Шрофф, видатний вчений з Огайо, професор комп’ютерних наук та інженерії, який очолював дослідження.

Дослідження показало, що, як і люди, штучні мережі краще зберігають інформацію, коли їх навчають на різноманітних, несхожих завданнях, а не на тих, що мають спільні риси. Навчання алгоритму різноманітним завданням на ранніх етапах розширює його здатність засвоювати нову інформацію.

“Наша робота провіщає нову еру інтелектуальних машин, які можуть навчатися та адаптуватися, як їхні людські аналоги”, – сказав Шрофф.

Дослідження наближає вчених до розробки штучного інтелекту, який здатен навчатися протягом усього життя, як людина. Це може дозволити алгоритмам швидше масштабуватися і адаптуватися до мінливого середовища.

Дослідження Університету штату Огайо було однією з десятків презентацій, представлених на 40-й щорічній Міжнародній конференції з машинного навчання.

На конференції також була представлена робота команди з Массачусетського технологічного інституту, яка заявила, що розробила методику, яка може перешкоджати створенню глибоко підроблених зображень шляхом введення крихітних підривних бітів коду у вихідні зображення.

Технологічний гігант Google заявив, що його дослідження в галузі штучного інтелекту і машинного навчання включені в більш ніж 80 наукових робіт, що входять до програми ICML, в тому числі демонстрації тривимірного моделювальника білків AlphaFold, досягнення в галузі термоядерного синтезу і нові моделі, такі як PaLM-E для робототехніки і Phenaki для генерації відео з тексту.

Шакір Мохамед, директор з питань науки, технологій та суспільства в Google DeepMind, виступив з ключовою промовою про те, як спрямувати машинне навчання з соціальною метою. Google DeepMind є головним спонсором заходу.

“Від охорони здоров’я до зміни клімату, машинне навчання має величезний потенціал для вирішення основних проблем і розвитку суспільства”, – зазначив Мохамед у своєму блозі. “Об’єднавши різні голоси, ми можемо розробити ШІ, який принесе користь усім людям”.