Teadlaste innovatsioonid, et muuta AI inimlikumaks
Massachusettsi Tehnoloogiainstituudi (MIT) pioneeri on teinud olulise sammu tehisintellekti valdkonnas, võimaldades masinatel lahendada keerulisi probleemidega seotud ülesandeid. Nad on loonud uue raamistiku, mis suurendab AI võimekust programmeerimise, strateegia koostamise ja robotite valdkonnas.
AI ulatuse laiendamine üle keele töötlemise
Traditsioonilised suured keelemudelid nagu ChatGPT ja Claude 3 Opus on hiilanud teksti töötlemisel inimeste suuniste kaudu. Ent teadlaste sõnul on nende edasiminekut pidurdanud piirangud konteksti mõistmises ja arutlemises, lünk, mis on nüüdseks kõrvaldatud.
MIT “Abstraktsioonide raamatukogud”: Murrang
Loodes “abstraktsioonide raamatukogu” loomulikus keeles kodeeritud kujul, on MIT andnud vestlusagentidele võime õppida, tajuda ja väljendada teadmisi, matkides inimkognitsiooni. Uurimustulemused on põhjalikult esitatud kolmes artiklis, mis on kättesaadavad enneaegse trükiversiooni serveris arXiv.
Esimene neist, keele vaatluste põhjal tekkiva raamatu tutvustamine (LILO), keskendub arvutikoodi sünteesile ja kokkusurumisele. Teine tuntakse kui Tegevusvaldkonna omandamine (ADA), mis aitab AI-l teha järjestikulisi otsuseid. Lõpuks aitab keelejuhitud abstraktsiooni (LGA) raamistik robotitel mõista ja suhelda nende ümbrusega tõhusamalt.
Neuro-sümbolilised meetodid: AI uus piiriala
Need kolm raamistikku kasutavad neuro-sümbolilisi meetodeid, lõimides neuronaalvõrkude põhimõtted ja sümbolilise loogika, et muuta info töötlemist, õppimist ja otsuste langetamist. See läbimurre on suunatud tehisintellekti võimete edendamisele ning kujundab ümber meie arusaama masina kognitsioonist.
AI ulatuse laiendamine üle keele töötlemise
Rõhk AI ulatuse laiendamisel keele töötlemisest kaugemale aitab käsitleda kriitilist kitsaskohta olemasolevates AI-süsteemides. Kuigi keelemudelid nagu GPT-3 ja selle järglased on näidanud märkimisväärset jõudlust inimesetaolise teksti genereerimisel, on nende võime tõeliselt mõista ja arutada töödeldavat teavet endiselt piiratud inimkognitsiooniga võrreldes. See piirang avaldub sageli lihtsa mõistuse, domeeni-spetsiifiliste teadmiste ja õppimise ülekandmise võime puudumisena erinevatesse ülesannetesse või kontekstidesse.
Põhiküsimused ja vastused:
– Mis on MIT “abstraktsioonide raamatukogu” tähtsus?
“Abstraktsioonide raamatukogu” sümboliseerib meetodit keerukate mõistete ja suhete kodeerimiseks vormis, mida masinad saavad mõista ja kasutada edasijõudnud arutlemise ülesannete jaoks, mis on rohkem kooskõlas inimestele omaste mõtlemisviisidega.
– Kuidas kasu toob neuraalvõrkude ja sümbolilise loogika integreerimine AI-le?
Neuraalvõrkude kombineerimine sümbolilise loogikaga, tuntud ka kui neuro-sümbolilised meetodid, võimaldab AI süsteemidel kasutada neuraalvõrkude mustrituvastuse tugevusi, samal ajal kui süsteemsed ja reeglipõhised sümbolilise loogika arutlused. See kombinatsioon võiks viia tugevamate, paindlikumate ja interpreteeritavate AI süsteemideni.
– Mis on peamised väljakutsed neuro-sümbolilise AI rakendamisel?
Üks peamisi väljakutseid on “sümboli maandumise probleem,” mis hõlmab loogikas kasutatud sümbolite ühendamist reaalmaailma tähendustega viisil, mida AI suudab aru saada. Teine väljakutse on sellega kaasnev arvutuslik keerukus, mis võib tekkida kahe lähenemisviisi integreerimisel, samuti vajadus suurte andmekogumite järele, et neuronaalvõrgud efektiivselt koolitada.
Põhimõttelised väljakutsed ja kontroversid:
AI edusammudega seotud kontroversid tulenevad sageli eetilistest kaalutlustest, nagu otsustusprotsessides esinevate kallutatuste, tööhõivekaotuse ja privaatsusküsimuste potentsiaal. Kui AI süsteemid muutuvad inimesetaolisteks oma arutluses, tekib vestlus teadvuse ja isikuomaduste määratlemise üle AI jaoks, mis viib keerukate õiguslike ja ühiskondlike aruteludeni.
Väljakutsed hõlmavad tehnoloogilist raskust AI loomisel, mis suudaks üldistada teadmisi ühest valdkonnast teise, tagades, et AI arutlus vastaks inimväärtustele ja moraalsetele otsustele ning ohjeldaks võimalikke riske luua otsuseid iseseisvalt.
Plussid ja miinused:
Plussid:
– AI võimelisus lahendada keerulisi probleeme võiks viia edusammudeni mitmetel aladel, sealhulgas tervishoius, finantsvaldkonnas ja teaduses.
– Inimesetaolise arutlemisvõimega AI võiks paremini mõista ja reageerida inimeste vajadustele ja käitumisele.
– Sellised AI edusammud võivad viia suurema tõhususeni ülesannete täitmisel ja probleemide lahendamisel.
Miinused:
– AI süsteemide otsuste tagajärjed võivad olla ootamatud, näiteks kallutused või vead, mis võivad olla tõsised tagajärjed, kui neid korralikult ei haldada.
– Inimesetaolise arutlemisega AI arendamine toob kaasa eetilisi muresid seoses võimalusega teha väärtuspõhiseid otsuseid või kasutada manipuleerivatel viisidel.
– On oht töökohtade asendamiseks erinevates tööstusharudes, kui AI võtab enda kanda traditsiooniliselt inimeste poolt tehtavaid ülesandeid.
Neile, kes soovivad jälgida kunstliku intelligentsuse arenguid ja MIT-s tehtavat tööd, leidub rohkem teavet ametlikul MIT veebisaidil: MIT. Selle lingi kaudu saate juurdepääsu peamisele domeenile, kust saate liikuda viimaste uurimuste, uudiste ja AI edusammudega seotud akadeemiliste programmide juurde.
The source of the article is from the blog bitperfect.pe