La teoría detrás Herramientas de aprendizaje automático que son como redes neuronales. es que funcionan y, más concretamente, aprenden de forma similar al cerebro humano. Así como descubrimos el mundo mediante prueba y error, también lo hace la inteligencia artificial moderna. En la práctica, sin embargo, las cosas son un poco diferentes. Hay aspectos del aprendizaje infantil que las máquinas no pueden replicar y son una de las cosas que, en muchos ámbitos, hacen de los humanos mejores aprendices.
Investigadores de la Universidad de Nueva York están trabajando para cambiar eso. Investigadores Kanishk Gandhi y Lago Brenden han explorado cómo algo llamado “sesgo de exclusividad mutua”, que está presente en los niños, podría ayudar a que la I.A. mejor cuando se trata de tareas de aprendizaje como comprender el lenguaje.
Vídeos recomendados
“Cuando los niños se esfuerzan por aprender una palabra nueva, se basan en sesgos inductivos para reducir el espacio de posibles significados”, dijo a Digital Gandhi, estudiante de posgrado en el Laboratorio de Aprendizaje Humano y Automático de la Universidad de Nueva York. Tendencias. “La exclusividad mutua (ME) es una creencia que tienen los niños de que si un objeto tiene un nombre no puede tener otro. La exclusividad mutua nos ayuda a comprender el significado de una palabra nueva en contextos ambiguos. Por ejemplo, [si] a los niños se les dice que 'muéstrenme el dax' cuando se les presenta un objeto familiar y otro desconocido, tienden a elegir el desconocido”.
Relacionado
- Estas ingeniosas ideas podrían ayudar a que la IA sea un poco menos malvada
- Meta creó DALL-E para video, y es a la vez espeluznante y sorprendente.
- Las ilusiones ópticas podrían ayudarnos a construir la próxima generación de IA
Los investigadores querían explorar un par de ideas con su trabajo. Una era investigar si los algoritmos de aprendizaje profundo entrenados utilizando paradigmas de aprendizaje comunes razonarían con exclusividad mutua. También querían ver si el razonamiento por exclusividad mutua ayudaría a aprender algoritmos en tareas que comúnmente se abordan mediante el aprendizaje profundo.
Para llevar a cabo estas investigaciones, los investigadores primero entrenaron 400 redes neuronales para asociar pares de palabras con sus significados. Luego, las redes neuronales se probaron con 10 palabras que nunca antes habían visto. Predijeron que las palabras nuevas probablemente corresponderían a significados conocidos más que a significados desconocidos. Esto sugiere que la A.I. no tiene un sesgo de exclusividad. A continuación, los investigadores analizaron conjuntos de datos que ayudan a la A.I. para traducir idiomas. Esto ayudó a demostrar que el sesgo de exclusividad sería beneficioso para las máquinas.
"Nuestros resultados muestran que estas características no coinciden con la estructura de las tareas comunes de aprendizaje automático", continuó Gandhi. “ME puede usarse como una señal para la generalización en tareas comunes de traducción y clasificación, especialmente en las primeras etapas de la formación. Creemos que exhibir el sesgo ayudaría a que los algoritmos de aprendizaje aprendan de manera más rápida y adaptable”.
Como Gandhi y el lago escribir en un papel describiendo su trabajo: “Los fuertes sesgos inductivos permiten a los niños aprender de manera rápida y adaptable... Hay una Un caso convincente para diseñar redes neuronales que razonen por exclusividad mutua, que sigue siendo un tema abierto. desafío."
Recomendaciones de los editores
- El rival ChatGPT de Apple puede escribir código automáticamente por usted
- Photoshop AI cree que la "felicidad" es una sonrisa con dientes podridos
- Le presenté mi ridícula idea de inicio a un robot VC
- ¿Cómo sabremos cuándo una IA realmente se vuelve sensible?
- Microsoft abandona su espeluznante IA de lectura de emociones.
Mejora tu estilo de vidaDigital Trends ayuda a los lectores a mantenerse al tanto del vertiginoso mundo de la tecnología con las últimas noticias, reseñas divertidas de productos, editoriales interesantes y adelantos únicos.
