Det kan være meget spændende at følge med i de seneste fremskridt inden for robotteknologi og kunstig intelligens (AI). Forskere ved universitetet i Geneve (UNIGE) har netop opnået en banebrydende bedrift på området kunstig intelligens ved at udvikle et system, der kan lære nye opgaver baseret på mundtlige eller skriftlige instruktioner.
En af de største udfordringer inden for AI har længe været at formidle kommunikationen mellem sproglige instruktioner og sensorisk motoriske handlinger. Mens AI har gjort fremskridt med at forstå og reagere på sprog, har evnen til at udføre ukendte opgaver uden tidligere træning samt formulere instruktioner, der kan reproduceres af andre, været vanskelig. Ikke desto mindre har holdet på UNIGE succesfuldt overvundet denne udfordring ved at udvikle et kunstigt neuralt netværk inspireret af den menneskelige hjernes neurale struktur.
S-Bert-modellen, der består af 300 millioner kunstige neuroner, er blevet fortrænet til at forstå sprog. Ved at forbinde S-Bert med et simplere netværk, der efterligner nøgleområderne for sprogbehandling i den menneskelige hjerne, har forskerne været i stand til at simulere Wernickes område, som er ansvarlig for sproglig opfattelse og fortolkning, samt Brocas område, som er ansvarlig for taleproduktion og formulering.
Gennem en række eksperimenter er det neurale netværk blevet trænet til at udføre opgaver baseret på skriftlige instruktioner og effektivt kommunikere dem til en anden AI. Disse opgaver strakte sig fra simple handlinger, såsom at pege i en bestemt retning, til mere komplekse opgaver som at skelne mellem visuelle stimuli med subtile kontraster. Ved sømløst at formidle instruktioner gennem sprog kunne AI-partneren replikere handlingerne. Dette repræsenterer første tilfælde af to AIs, der samtaler rent gennem sprog for at forstå og udføre opgaver.
Denne gennembrud har betydelige implikationer for fremtiden for robotter og AI. Evnen for maskiner til effektivt at forstå og kommunikere opgaver åbner muligheden for forbedret samarbejde og koordination blandt robotteknologier. Som professor Alexandre Pouget fra UNIGE’s Medicinske Fakultet forklarer: “Det netværk, vi har udviklet, er meget småt. Intet står nu i vejen for at udvikle, på denne basis, langt mere komplekse netværk, der vil være integreret i humanoide robotter, der kan forstå os, men også hinanden.”
De potentielle anvendelsesområder for denne teknologi er vidtstrakte og spænder fra produktion til sundhedspleje. Med yderligere forfine…
The source of the article is from the blog scimag.news