Trīsvienības koledžas neirozinātnieki saka, ka mazuļi var palīdzēt atbloķēt nākamās paaudzes mākslīgais intelekts (IA). Rakstā, kas publicēts zinātniskajā žurnālā Nature Machine Intelligence, ir aprakstīti principi, kā zīdaiņi absorbē informāciju un kā to var atkārtot lietošanai AI. Tātad, skatiet vairāk informācijas par to, kā mazuļa mācīšanās var uzlabot mākslīgo intelektu!
Lasīt vairāk: Google AI “bērns” var paslīdēt prom un nodarīt sliktas lietas, norāda iekšējā informācija
redzēt vairāk
Darbā aizstāta ar ChatGPT, sieviete pavada trīs mēnešus…
Ceļā uz mākslīgo intelektu: Apple plāno integrēt tērzēšanas robotu…
AI mašīnu attīstība
Trīsvienības koledžas zinātnieks Lorijn Zaadnoordijk skaidro, ka visi pārsteidzošie sasniegumi mākslīgā intelekta jomā ir bijuši tiek veikta mašīnmācīšanās dēļ, kas izmanto lielu datu apjomu, lai apmācītu neironu tīklu modeļus mākslīgs.
Tomēr zinātnieks turpināja teikt, ka progress daudzās jomās ir palēnināts kā pamats dati mašīnmācīšanās uzlabošanai ir jāpārvalda un jābaro prātam cilvēks.
Tomēr ar savu teoriju viņš apgalvo, ka mācīšanos var veikt efektīvāk, jo mazuļi tā nemācās. Tas notiek, kad mazuļi piedzīvo apkārtējo pasauli, dažreiz pat redzot to vienu reizi.
Trīs svarīgi faktori, lai AI būtu kvalitatīvs
Rakstā ir identificēti trīs būtiski faktori, lai mākslīgais intelekts sasniegtu mazuļa mācīšanās kvalitāti un ātrumu.
- Pirmais ir tas, ka bērnu informācijas apstrāde ir vadīta un ierobežota;
- Otrais ir tas, ka viņi mācās, izmantojot dažādas un multimodālas ievades;
- Visbeidzot, mazuļu ieguldījumu veido attīstība un aktīva mācīšanās.
Pētījuma ideja ir izpētīt, kuri jēdzieni vēl nav pareizi piemēroti izstrādē mākslīgā intelekta un uzlabot tos, lai izveidotu sistēmu, kas var mācīties bez būtības uzraudzīts.
Īstenot bērna mācību procesu
Saskaņā ar pētījumu, lai piemērotu bērnu mācību procesus AI, viņiem jau no paša sākuma ir jānosaka savas preferences, lai varētu veidot mācīšanos.
Viņiem ir arī jānodrošina plašāki dati, kas atspoguļo pasauli, nevis tikai attēlus un izklājlapas. Tādējādi ir svarīgi saprast, kāda ir apkārtne, skaņas, smaržas un lietu garša.
Visbeidzot, mašīnām ir nepieciešamas arī pētnieku noteiktas attīstības trajektorijas. Tāpat kā bērni laika gaitā piedzīvo dažādus stimulus, ir svarīgi atkārtot šo uzvedību, sniedzot datoriem dažādu pieredzi un tīklus, kad tie “aug”.