Pirmais solis uzlabotās AI iedvesmošanai: Zīdaiņu mācīšanās brīnumi

Datorzinātnieki paplašina mākslīgā intelekta (AI) iespējas, iedvesmojoties no zīdaiņu apbrīnojamām mācīšanās spējām. Pašreizējās AI tehnoloģijas, lai arī avanzētas, saskaras ar grūtībām apgūt neatkarīgu mācību no fragmentētiem un nesakārtotiem reālās pasaules datiem. Pārsteidzošā eksperimentā Ņujorkas Universitātes (NYU) pētnieki apkopoja dati no zīdaiņa, kurš saucās Sems, lai saprastu informācijas apstrādes nianses zīdaiņos.

Piesaistot vieglu kameru Sema galvai, tika ierakstītas 61 stundas no viņa dzīves, no 6 līdz 25 mēnešu vecumam. Šie plašie dati pašlaik tiek izmantoti, lai apmācītu AI modeļus, ļaujot tiem mācīties autonomi no haotiskiem reālās pasaules datiem, tāpat kā zīdainim informācija tiek uzsūkta.

Veicot milzīgu soli AI tehnoloģijās, Pekinas Vispārējā mākslīgā intelekta institūta (BIGAI) zinātnieki ir radījuši AI lelīti ar nosaukumu Tong Tong. Šis cilvēka līdzīgais AI brīnums apvieno emociju un kognitīvās spējas ar trīsgadīga bērna. Tong Tong var mācīties neatkarīgi, tam ir vairāk nekā 600 vārdu liela vārdnīca, un tas izmanto mākslīgo intelektu, mašīnmācīšanos un dabisko valodu apstrādi, lai saprastu un reaģētu uz savu vidi.

Zīdaiņu brīnišķīgās valodas apguves spējas ir kļuvušas par galveno fokusu AI pētniecībā. Zīdaiņi ir iedzimusi spēja iegaumēt valodas pamatprincipus, ļaujot tiem bez piepūles uzsūkt valodas ievades informāciju. Lai gan datora modeļiem ir grūtības atdarināt šo procesu, tas liecina par iedzimtu valodas zināšanu klātbūtni. Zinātnieki vēlas iekļaut šīs izcilās mācīšanās spējas AI modeļos, radot inteliģentus un pašpietiekamus sistēmas, kas spēj mācīties neatkarīgi no skaidras programmēšanas instrukcijām.

Zīdaiņu mācīšanās noslēpumu izšķetināšana ne tikai var revolucionizēt AI, bet arī padziļina mūsu izpratni par cilvēka pieredzi. Pētot zīdaiņa prāta sarežģītās proceses, zinātnieki ielūkojas cilvēka kognīcijas un mācīšanās jomās. Ceļš uz uzlabotu AI nav tikai tehnoloģiskais mērķis; tas ir pētījums, kas atklāj mūsu pašu eksistenci.

Bieži uzdotie jautājumi:

Kas ir šī raksta fokuss?
Raksts koncentrējas uz to, kā datorzinātnieki izmanto zīdaiņu mācīšanās spējas, lai paplašinātu mākslīgā intelekta (AI) iespējas.

Ar ko saskaras pašreizējās AI tehnoloģijas?
Pašreizējās AI tehnoloģijas grūtās ar neatkarīgu mācīšanos no fragmentētiem un nesakārtotiem reālās pasaules datiem.

Kas bija inovatīvais eksperiments, ko veica Ņujorkas Universitātes (NYU) pētnieki?
NYU pētnieki apkopoja 61 stundu vērtu datus no zīdaiņa, kurš saucās Sems, izmantojot vieglu kameras piestiprinājumu pie viņa galvas. Šos datus izmanto, lai apmācītu AI modeļus.

Kāda ir mērķis apmācīt AI modeļus ar zīdaiņa Sema datiem?
Mērķis ir ļaut AI modeļiem mācīties autonomi no haotiskiem reālās pasaules datiem, līdzīgi tam, kā zīdaiņi uzsūc informāciju.

Ko ir izveidojis Pekinas Vispārējā mākslīgā intelekta institūts (BIGAI)?
BIGAI ir radījis AI lelīti, kas saucās Tong Tong un kam piemīt trīsgadīga bērna emocionālās un kognitīvās spējas. Tong Tong var mācīties neatkarīgi, saprott un reaģē apkārtējai videi, izmantojot mākslīgo intelektu, mašīnmācīšanos un dabisko valodu apstrādi.

Kāda ir AI pētniecības fokusa saistībā ar valodas apguvi?
Fokuss ir uz to, kā zīdaiņi bez piepūles uzsūc valodas ievades informāciju un iegaumē valodas pamatprincipus. Zinātnieki vēlas iekļaut šīs izcilās mācīšanās spējas AI modeļos.

Kādu potenciālu dod zīdaiņu mācīšanās noslēpumu izšķetināšana?
Zīdaiņu mācīšanās noslēpumu izšķetināšana var radikāli mainīt AI un padziļināt mūsu izpratni par cilvēka pieredzi. Tā ļauj zinātniekiem pētīt cilvēka kognīciju un mācīšanās procesus.

Definīcijas:

Mākslīgā intelekta (AI): Tehnoloģija un mašīnas, kas spēj veikt uzdevumus, kas parasti prasa cilvēku intelektu, piemēram, vizuālo uztveri, runas atpazīšanu un lēmumu pieņemšanu.

Mašīnmācīšanās: Mākslīgā intelekta piemērojums, kur sistēmas var mācīties un uzlaboties, balstoties uz pieredzi, neiejaucot skaidras programmēšanas instrukcijas.

Dabiskās valodas apstrāde: Anticipacionālajai intelektam veltīta māksli

The source of the article is from the blog trebujena.net

Privacy policy
Contact