Το πεδίο της τεχνητής νοημοσύνης (ΤΝ) βίωσε μία επαναστατική πρόοδο με την ανάπτυξη ενός συστήματος στο Πανεπιστήμιο της Γενεύης (UNIGE) που μπορεί να μάθει νέες εργασίες με βάση συνεκφραζόμενες ή γραπτές οδηγίες. Αυτή η καινοτομία έχει σημαντικές συνέπειες για τους τομείς της ρομποτικής και της επεξεργασίας φυσικής γλώσσας.
Ένας από τους βασικούς προκλητικούς τομείς στην ΤΝ ήταν η γέφυρα μεταξύ γλωσσικών οδηγιών και αισθητηριακών ενεργειών. Παρόλο που η ΤΝ έχει κάνει μεγάλες προόδους στην κατανόηση και απάντηση στη γλώσσα, η ικανότητα εκτέλεσης άγνωστων εργασιών χωρίς προηγούμενη εκπαίδευση και η διατύπωση οδηγιών για άλλους να αναπαράγουν έχει παραμείνει δύσκολη. Ωστόσο, η ομάδα στο UNIGE έχει επιτύχει να ξεπεράσει αυτήν την πρόκληση αναπτύσσοντας ένα τεχνητό νευρωνικό δίκτυο που εμπνέεται από τη νευρονική δομή του ανθρώπινου εγκεφάλου.
Το μοντέλο S-Bert, που αποτελείται από 300 εκατομμύρια τεχνητούς νευρώνες, έχει εκπαιδευτεί προεξοντωμένο να κατανοεί τη γλώσσα. Συνδέοντας το S-Bert με ένα απλοποιημένο δίκτυο που μιμείται τις βασικές περιοχές επεξεργασίας γλώσσας του ανθρώπινου εγκεφάλου, οι ερευνητές κατάφεραν να προσομοιώσουν την περιοχή του Wernicke που ευθύνεται για την αντίληψη και ερμηνεία της γλώσσας, καθώς επίσης και την περιοχή του Broca που αναλαμβάνει την παραγωγή και διατύπωση του λόγου.
Μέσα από μια σειρά πειραμάτων, το νευρωνικό δίκτυο εκπαιδεύτηκε να εκτελεί εργασίες βασισμένες σε γραπτές οδηγίες και να τις επικοινωνεί αποτελεσματικά σε άλλο ΤΝ. Αυτές οι εργασίες περιλάμβαναν απλές ενέργειες, όπως το δείκτευμα σε μια καθορισμένη κατεύθυνση, έως πιο πολύπλοκες εργασίες όπως η διάκριση μεταξύ οπτικών ερεθισμάτων με λεπτές αντιθέσεις. Με την απρόσκοπτη μετάδοση οδηγιών μέσω της γλώσσας, το αντίστοιχο ΤΝ ήταν σε θέση να αντιγράψει τις ενέργειες. Αυτό αντιπροσωπεύει την πρώτη περίπτωση δύο ΤΝ που επικοινωνούν αποκλειστικά μέσω της γλώσσας για να κατανοήσουν και να εκτελέσουν εργασίες.
Οι συνέπειες αυτής της επιτυχίας για το μέλλον της ρομποτικής και της ΤΝ είναι σημαντικές. Οι μηχανές που μπορούν να κατανοήσουν και να επικοινωνούν αποτελεσματικά ανοίγουν τον δρόμο για βελτιωμένη συνεργασία και συντονισμό μεταξύ ρομποτικών συστημάτων. Αυτό έχει εφαρμογές σε διάφορους τομείς, όπως η βιομηχανία και η υγεία.
Ο Καθηγητής Alexandre Pouget από την Ιατρική Σχολή του UNIGE τονίζει τη δυνατότητα ανάπτυξης πολύ πιο πολύπλοκων δικτύων που θα ενσωματωθούν σε ανθρωποειδή ρομπότ τα οποία θα είναι ικανά να μας κατανοήσουν αλλά και να κατανοούν ο ένας τον άλλον. Αυτή η προώθηση έχει τη δυνατότητα να επαναστατήσει τις βιομηχανίες και να ανοίξει τον δρόμο για ένα νέο κεφάλαιο στη ρομποτική.
Για περισσότερες πληροφορίες σχετικά με την τεχνητή νοημοσύνη και την επεξεργασία φυσικής γλώσσας, επισκεφθείτε τον ιστότοπο έρευνας ΤΝ του UNIGE.
Για να κατανοήσετε το δυνητικό αντίκτυπο αυτής της καινοτομίας στις βιομηχανίες κατασκευής και υγείας, επισκεφθείτε την ενότητα Συνέπειες στις Βιομηχανίες του ιστότοπου έρευνας ΤΝ του UNIGE.
Για να μάθετε περισσότερα για τις βασικές έννοιες της τεχνητής νοημοσύνης, της επεξεργασίας φυσικής γλώσσας και τις προκλήσεις που αντιμετωπίζουν τα συστήματα ΤΝ, ανατρέξτε στην παρακάτω συχνές ερωτήσεις.
