Ključni izsledki
- Nova vrsta računalniške strojne opreme bi lahko umetni inteligenci omogočila nenehno učenje kot človeški možgani.
- Raziskovalci na univerzi Purdue pravijo, da je njihovo napravo mogoče na zahtevo reprogramirati z električnimi impulzi.
- Čeprav je sistem umetne inteligence, ki se popolnoma uči sam, še vedno v glavnem koncept, je veliko primerov, ki so mu podobni.
Umetna inteligenca (AI) bi lahko kmalu dobila spodbudo z novo vrsto računalniških čipov, ki so jih navdihnili človeški možgani.
Raziskovalci na univerzi Purdue so izdelali nov kos strojne opreme, ki ga je mogoče na zahtevo reprogramirati z električnimi impulzi. Ekipa trdi, da bi ta prilagodljivost napravi omogočila, da prevzame vse potrebne funkcije za izdelavo računalnika, ki ga navdihujejo možgani. To je del stalnih prizadevanj za izgradnjo sistemov AI, ki se lahko nenehno učijo.
"Ko se sistemi umetne inteligence neprestano učijo v okolju, se lahko prilagodijo svetu, ki se sčasoma spreminja," je v intervjuju za Lifewire po e-pošti povedal strokovnjak za umetno inteligenco Stevens Institute of Technology Jordan Suchow. "To opazimo na primer, ko sistem za odkrivanje goljufij zazna prej neopažen vzorec goljufivih nakupov ali ko sistem za prepoznavanje obrazov naleti na osebo, ki je še nikoli ni videl."
Vseživljenjski učenci
Raziskovalci Purdue so nedavno objavili članek v reviji Science. Opisuje, kako bi se lahko računalniški čipi dinamično preklopili, da bi sprejemali nove podatke na enak način kot možgani. Pristop bi lahko pomagal AI, da se sčasoma uči.
"Možgani živih bitij se lahko nenehno učijo skozi celotno življenjsko dobo. Zdaj smo ustvarili umetno platformo za stroje, ki se učijo skozi celotno življenjsko dobo," je v sporočilu za javnost dejal eden od avtorjev časopisa Shriram Ramanathan.
Strojna oprema, ki jo je zasnovala Ramanathanova ekipa, je majhna, pravokotna naprava iz materiala, imenovanega perovskit nikelat, ki je zelo občutljiv na vodik. Uporaba električnih impulzov pri različnih napetostih omogoča napravi, da v nekaj nanosekundah premeša koncentracijo vodikovih ionov, kar ustvari stanja, za katera so ugotovili raziskovalci, da bi jih lahko preslikali na ustrezne funkcije v možganih.
Ko ima naprava na primer več vodika blizu središča, lahko deluje kot nevron, ena sama živčna celica. Ker je na tem mestu manj vodika, naprava služi kot sinapsa, povezava med nevroni, kar možgani uporabljajo za shranjevanje spomina v kompleksnih nevronskih vezjih.
"Če želimo zgraditi računalnik ali stroj, ki se zgleduje po možganih, potem temu primerno želimo imeti možnost nenehnega programiranja, reprogramiranja in spreminjanja čipa," je dejal Ramanathan.
Misleči stroji?
Številni sodobni sistemi umetne inteligence se prilagodijo novim informacijam, ko se prekvalificirajo, je v e-pošti dejal David Kanter, izvršni direktor MLCommons, odprtega inženirskega konzorcija, namenjenega izboljšanju strojnega učenja.
"Svet je sam po sebi dinamičen kraj in navsezadnje se morata strojno učenje in umetna inteligenca temu prilagoditi," je dejal Kanter. "Na primer, sistem za prepoznavanje govora leta 2022, ki ne 've' za COVID-19 ali koronaviruse, bi pogrešal velik vidik sodobnega sveta. Podobno bi se moralo avtonomno vozilo prilagajati spremembam na ulicah, zaprtju mostov ali celo nizke temperature naredijo cesto poledenelo."
Čeprav je sistem AI, ki se popolnoma uči sam, še vedno večinoma koncept, je veliko primerov blizu, je v intervjuju po elektronski pošti dejal Sameer Maskey, izvršni direktor podjetja AI Fusemachines. Eden od teh samoučečih se sistemov je postal novica, ko je sistem AI premagal človeka pri igri Go.
"AlphaGo je bil prvi AI DeepMinda, ki je premagal profesionalnega igralca Go," je dodal Maskey. "Njihove franšize iger so postale odskočna deska z vsakim novim dodatkom, ki sprejema napredek v smeri umetne inteligence, ki se nenehno uči."
Sistemi umetne inteligence prihodnosti bodo iskali informacije, ki jih potrebujejo za sprejemanje dobrih odločitev in ustrezno ukrepanje, je napovedal Suchow. Ti napredni računalniki se bodo izognili dragim napakam z učenjem iz lastnih simulacij izkušenj, na primer s "samoigranjem", kjer si umetna inteligenca predstavlja rezultate interakcij, ki jih ima s svojimi kopijami.
"To je podobno temu, kako se lahko ljudje učijo z domišljijo, pri čemer predvidijo slab izid, ne da bi ga morali neposredno izkusiti," je dodal Suchow. "Sistemi umetne inteligence se bodo naučili učinkovitejših strategij za učenje, veliko na način, da lahko študent usmeri svoj čas in pozornost ne le na vsebino tega, kar študira, ampak tudi na sam proces učenja."
