Teorija iza alate za strojno učenje koji su poput neuronskih mreža jest da funkcioniraju i, točnije, uče na sličan način kao ljudski mozak. Kao što mi otkrivamo svijet putem pokušaja i pogrešaka, tako to čini i moderna umjetna inteligencija. U praksi, međutim, stvari stoje malo drugačije. Postoje aspekti učenja u djetinjstvu koje strojevi ne mogu ponoviti - i oni su jedna od stvari koje, u mnogim domenama, čine ljude superiornijim učenicima.
Istraživači sa Sveučilišta New York rade na tome da to promijene. Istraživači Kanishk Gandhi i Jezero Brenden su istražili kako bi nešto što se zove "pristranost uzajamne isključivosti", što je prisutno kod djece, moglo pomoći u stvaranju A.I. bolji kada je riječ o zadacima učenja poput razumijevanja jezika.
Preporučeni videozapisi
„Kada djeca nastoje naučiti novu riječ, oslanjaju se na induktivne predrasude kako bi suzili prostor mogućih značenja”, rekao je Gandhi, diplomirani student u Laboratoriju za ljudsko i strojno učenje Sveučilišta New York, za Digital Trendovi. “Međusobna isključivost (ME) je uvjerenje koje djeca imaju da ako predmet ima jedno ime, ne može imati drugo. Uzajamna isključivost pomaže nam u razumijevanju značenja nove riječi u višeznačnom kontekstu. Na primjer, [ako] se djeci kaže da 'pokaži mi dax' kada im se predoče poznati i nepoznati predmet, oni obično izaberu nepoznati.”
Povezano
- Ove genijalne ideje mogle bi pomoći da umjetna inteligencija bude malo manje zla
- Meta je napravio DALL-E za video, i to je i jezivo i nevjerojatno
- Optičke iluzije mogle bi nam pomoći u izgradnji sljedeće generacije umjetne inteligencije
Istraživači su svojim radom htjeli istražiti nekoliko ideja. Jedan je bio istražiti hoće li algoritmi dubokog učenja trenirani korištenjem uobičajenih paradigmi učenja razumjeti uzajamnu isključivost. Također su željeli vidjeti hoće li razmišljanje na temelju uzajamne isključivosti pomoći u učenju algoritama u zadacima koji se obično rješavaju korištenjem dubokog učenja.
Kako bi proveli ova istraživanja, istraživači su prvo istrenirali 400 neuronskih mreža da povežu parove riječi s njihovim značenjima. Neuralne mreže su zatim testirane na 10 riječi koje nikad prije nisu vidjeli. Predvidjeli su da će nove riječi vjerojatno odgovarati poznatim značenjima, a ne nepoznatima. To sugerira da je A.I. nema sklonost isključivosti. Zatim su istraživači analizirali skupove podataka koji pomažu A.I. prevoditi jezike. To je pomoglo pokazati da bi pristranost prema ekskluzivnosti bila korisna za strojeve.
"Naši rezultati pokazuju da se ove karakteristike slabo podudaraju sa strukturom uobičajenih zadataka strojnog učenja", nastavio je Gandhi. “ME se može koristiti kao znak za generalizaciju u uobičajenim zadacima prevođenja i klasifikacije, posebno u ranim fazama obuke. Vjerujemo da bi pokazivanje pristranosti pomoglo u učenju algoritama da uče na brže i prilagodljivije načine.”
Kao Gandhi i Lake napisati u papir opisujući svoj rad: "Jake induktivne predrasude omogućuju djeci da uče na brze i prilagodljive načine... Postoji uvjerljiv slučaj za dizajniranje neuronskih mreža koje razumiju uzajamnom isključivošću, što ostaje otvoreno izazov."
Preporuke urednika
- Appleov rival ChatGPT može automatski napisati kod za vas
- Photoshop AI misli da je 'sreća' osmijeh s pokvarenim zubima
- Predložio sam svoju smiješnu ideju pokretanja robotu VC-u
- Kako ćemo znati kada umjetna inteligencija stvarno postane osjećajna?
- Microsoft napušta svoj jezivi AI koji čita emocije
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
