Istraživači koji proučavaju načine repliciranja arhitekture i ponašanja ljudskog mozga tvrde da izgradnja AI sustava koji spavaju i sanjaju može poboljšati njihove performanse i pouzdanost. Cilj je riješiti uobičajeni izazov u AI poznat kao “katastrofalno zaboravljanje”, gdje modeli obučeni za nove zadatke gube sposobnost izvođenja prethodno naučenih zadataka.
Istraživači sa Sveučilišta u Cataniji razvili su metodu obuke nazvanu konsolidirano učenje probudnosti i sna (WSCL) koja oponaša način na koji ljudski mozak konsolidira sjećanja tijekom sna. Slično tome kako ljudi pretaču kratkotrajna sjećanja u dugotrajna, AI modeli obučeni s WSCL-om imaju “faze spavanja” u kojima pregledavaju mješavinu nedavnih i starijih podataka, što im omogućava uočavanje veza i uzoraka te integraciju novih informacija bez zaboravljanja postojećeg znanja.
Tijekom faze spavanja, AI modeli koji koriste WSCL nisu izloženi samo slikama riba, već i drugim životinjama poput ptica, lavova i slonova iz prethodnih lekcija. Dodatno, WSCL uključuje “fazu sanjanja” u kojoj su modelima potpuno novi podaci kombiniranjem prethodnih pojmova, poput apstraktnih slika žirafa prekriženih s ribama ili lavova prekriženih sa slonovima. Ova faza sanjanja pomaže modelima u spajanju prethodnih digitalnih “neurona” i stvaranju uzoraka koji olakšavaju učenje novih zadataka na učinkovitiji način.
U eksperimentima, istraživači su otkrili da su AI modeli obučeni s WSCL-om pokazali značajan porast točnosti u usporedbi s tradicionalnim metodama obuke, s povećanjem od 2 do 12 posto u ispravnom prepoznavanju sadržaja slika. Modeli obučeni s WSCL-om također su pokazali bolji “prelaz naprijed”, što znači da je zadržana prethodna naučena sposobnost prilikom učenja novih zadataka.
Iako ovi rezultati pokazuju obećanje, neki stručnjaci ne vjeruju da je korištenje ljudskog mozga kao uzora najučinkovitiji pristup za poboljšanje performansi AI. Andrew Rogoyski sa Sveučilišta u Surreyju sugerira da istraživanje AI još uvijek je u početnim fazama i da možda nije potrebno potpuno oponašati ljudski mozak. Umjesto toga, predlaže crpljenje inspiracije iz drugih bioloških sustava, poput dupina, koji mogu “spavati” jednim dijelom mozga dok ostaju budni drugim dijelom.
Zaključno, istraživanje koncepta spavanja i sanjanja u obuci AI pruža intrigantan pogled. Dok neki argumentiraju protiv stroge reprodukcije ljudskog mozga, sve je više dokaza da uključivanje mehanizama sličnih spavanju u AI modele može dovesti do poboljšane izvedbe i zadržavanja znanja. Kako istraživanje AI-evoluirati, bilo bi korisno istražiti alternativne biološke inspiracije kako bi se još bolje unaprijedile mogućnosti AI.
Često postavljena pitanja o spavanju i sanjanju u AI sustavima
The source of the article is from the blog krama.net