Nevrovitenskapsmenn ved Trinity College sier at babyer kan bidra til å låse opp neste generasjon av kunstig intelligens (IA). Artikkelen, publisert i det vitenskapelige tidsskriftet Nature Machine Intelligence, beskriver prinsippene for hvordan babyer absorberer informasjon og hvordan den kan replikeres for bruk i AI. Så sjekk ut mer informasjon om hvordan en babys læring kan fremme kunstig intelligens!
Les mer: Google AI 'Child' kan skli unna og gjøre dårlige ting, hevder insider
se mer
Erstattet av ChatGPT på jobben, bruker kvinnen tre måneder...
Mot kunstig intelligens: Apple planlegger å integrere chatbot i...
Fremgangen innen AI-maskiner
Trinity College-forsker Lorijn Zaadnoordijk forklarer at all den fantastiske utviklingen innen kunstig intelligens har vært utført på grunn av maskinlæring som bruker en stor mengde data for å trene modeller av nevrale nettverk kunstig.
Forskeren fortsatte imidlertid med å si at fremgangen på mange områder har blitt bremset som grunnlaget for data for forbedring av maskinlæring må administreres og mates av sinn menneskelig.
Men med sin teori hevder han at læring kan gjøres mer effektivt, siden det ikke er slik babyer lærer. Dette skjer når babyer opplever verden rundt seg, noen ganger til og med når de ser den en gang.
Tre viktige faktorer for at en AI skal ha kvalitet
Artikkelen identifiserer tre avgjørende faktorer for at en AI skal oppnå kvaliteten og hastigheten til en babys læring.
- Den første er at barns informasjonsbehandling er veiledet og begrenset;
- Det andre er at de lærer gjennom mangfoldige og multimodale input;
- Til slutt er babyers innspill formet av utvikling og aktiv læring.
Ideen med forskningen er å utforske hvilke konsepter som ennå ikke er riktig brukt i utviklingen av kunstig intelligens og forbedre dem for å produsere et system som kan lære uten å være det overvåket.
Implementer barnets læringsprosess
I følge studien, for å anvende barns læringsprosesser i AI, må de etablere sine preferanser fra begynnelsen for å kunne forme læring.
De må også forsynes med rikere data som representerer verden, ikke bare bilder og regneark. Dermed er det viktig å forstå hvordan omgivelsene, lyder, lukter og smak av ting er.
Til slutt krever maskiner også utviklingsbaner definert av forskere. Akkurat som barn opplever ulike stimuli over tid, er det viktig å gjenskape denne atferden ved å gi datamaskiner forskjellige opplevelser og nettverk etter hvert som de "vokser opp".
