Neurovidenskabsmænd ved Trinity College siger, at babyer kan hjælpe med at låse op for næste generation af kunstig intelligens (AI). Artiklen, der er publiceret i det videnskabelige tidsskrift Nature Machine Intelligence, beskriver principperne for, hvordan babyer absorberer information, og hvordan den kan kopieres til anvendelse i AI. Så tjek flere oplysninger om, hvordan en babys læring kan fremme kunstig intelligens!
Læs mere: Google AI 'Child' kan glide væk og gøre dårlige ting, insider-påstande
se mere
Erstattet af ChatGPT på arbejdet, bruger kvinde tre måneder...
På vej mod kunstig intelligens: Apple planlægger at integrere chatbot i...
Fremskridtet inden for AI-maskiner
Trinity College videnskabsmand Lorijn Zaadnoordijk forklarer, at alle de fantastiske udviklinger inden for kunstig intelligens er blevet udføres på grund af maskinlæring, der bruger en stor mængde data til at træne modeller af neurale netværk kunstig.
Forskeren fortsatte dog med at sige, at fremskridt på mange områder er blevet bremset som grundlaget for data til forbedring af maskinlæring skal styres og fodres af sind human.
Men med sin teori hævder han, at læring kan gøres mere effektivt, da det ikke er sådan, babyer lærer. Dette sker, når babyer oplever verden omkring dem, nogle gange endda ser det én gang.
Tre vigtige faktorer for, at en AI har kvalitet
Artiklen identificerer tre afgørende faktorer for, at en AI kan opnå kvaliteten og hastigheden af en babys læring.
- Den første er, at børns informationsbehandling er guidet og begrænset;
- Den anden er, at de lærer gennem forskelligartede og multimodale input;
- Endelig er babyers input formet af udvikling og aktiv læring.
Tanken med forskningen er at undersøge, hvilke begreber der endnu ikke er blevet anvendt ordentligt i udviklingen af kunstig intelligens og forbedre dem til at producere et system, der kan lære uden at være det overvåget.
Implementer barnets læreproces
For at anvende børns læreprocesser i AI skal de ifølge undersøgelsen etablere deres præferencer fra begyndelsen for at kunne forme læring.
De skal også forsynes med rigere data, der repræsenterer verden, ikke kun billeder og regneark. Det er således vigtigt at forstå, hvordan tingenes omgivelser, lyde, lugte og smag er.
Endelig kræver maskiner også udviklingsbaner defineret af forskere. Ligesom børn oplever forskellige stimuli over tid, er det vigtigt at replikere denne adfærd ved at give computere forskellige oplevelser og netværk, når de "vokser op".
