Teori di baliknya alat pembelajaran mesin yang seperti jaringan saraf adalah bahwa mereka berfungsi dan, lebih khusus lagi, belajar dengan cara yang mirip dengan otak manusia. Sama seperti kita menemukan dunia melalui trial and error, begitu pula kecerdasan buatan modern. Namun dalam praktiknya, segalanya sedikit berbeda. Ada beberapa aspek pembelajaran masa kanak-kanak yang tidak dapat ditiru oleh mesin — dan ini adalah salah satu aspek yang, dalam banyak bidang, menjadikan manusia sebagai pembelajar yang unggul.
Para peneliti di Universitas New York berupaya mengubah hal tersebut. Peneliti Kanishk Gandhi Dan Danau Brenden telah mengeksplorasi bagaimana sesuatu yang disebut “bias eksklusivitas timbal balik”, yang terdapat pada anak-anak, dapat membantu membuat A.I. lebih baik dalam hal tugas belajar seperti memahami bahasa.
Video yang Direkomendasikan
“Ketika anak-anak berusaha mempelajari sebuah kata baru, mereka mengandalkan bias induktif untuk mempersempit ruang kemungkinan artinya,” Gandhi, seorang mahasiswa pascasarjana di Lab Pembelajaran Manusia & Mesin Universitas New York, mengatakan kepada Digital Tren. “Mutual eksklusivitas (ME) adalah keyakinan yang dimiliki anak-anak bahwa jika suatu benda mempunyai satu nama, maka tidak bisa mempunyai nama lain. Eksklusivitas timbal balik membantu kita memahami arti kata baru dalam konteks yang ambigu. Misalnya, [jika] anak-anak diminta untuk ‘tunjukkan dax’ ketika dihadapkan pada benda yang familiar dan asing, mereka cenderung memilih benda yang asing.”
Terkait
- Ide-ide cerdik ini dapat membantu mengurangi kejahatan AI
- Meta membuat DALL-E untuk video, dan itu menyeramkan sekaligus menakjubkan
- Ilusi optik dapat membantu kita membangun AI generasi berikutnya
Para peneliti ingin mengeksplorasi beberapa ide dengan pekerjaan mereka. Salah satunya adalah untuk menyelidiki apakah algoritme pembelajaran mendalam yang dilatih menggunakan paradigma pembelajaran umum akan bernalar dengan eksklusivitas timbal balik. Mereka juga ingin melihat apakah penalaran dengan eksklusivitas timbal balik akan membantu algoritma pembelajaran dalam tugas-tugas yang biasanya ditangani menggunakan pembelajaran mendalam.
Untuk melakukan penyelidikan ini, para peneliti pertama-tama melatih 400 jaringan saraf untuk mengaitkan pasangan kata dengan maknanya. Jaringan saraf tersebut kemudian diuji pada 10 kata yang belum pernah mereka lihat sebelumnya. Mereka memperkirakan bahwa kata-kata baru cenderung memiliki makna yang diketahui, bukan makna yang tidak diketahui. Ini menunjukkan bahwa A.I. tidak memiliki bias eksklusivitas. Selanjutnya, para peneliti menganalisis kumpulan data yang membantu A.I. untuk menerjemahkan bahasa. Hal ini membantu menunjukkan bahwa bias eksklusivitas akan bermanfaat bagi mesin.
“Hasil kami menunjukkan bahwa karakteristik ini tidak sesuai dengan struktur tugas pembelajaran mesin pada umumnya,” lanjut Gandhi. “ME dapat digunakan sebagai isyarat untuk generalisasi dalam tugas penerjemahan dan klasifikasi umum, terutama pada tahap awal pelatihan. Kami percaya bahwa menunjukkan bias akan membantu algoritma pembelajaran belajar dengan cara yang lebih cepat dan mudah beradaptasi.”
Seperti Gandhi dan Lake menulis di kertas mendeskripsikan pekerjaan mereka: “Bias induktif yang kuat memungkinkan anak-anak belajar dengan cara yang cepat dan mudah beradaptasi… Ada a kasus yang menarik untuk merancang jaringan saraf yang didasarkan pada eksklusivitas timbal balik, yang tetap terbuka tantangan."
Rekomendasi Editor
- Saingan Apple ChatGPT mungkin secara otomatis menulis kode untuk Anda
- Photoshop AI menganggap 'kebahagiaan' adalah senyuman dengan gigi busuk
- Saya menyampaikan ide startup konyol saya kepada robot VC
- Bagaimana kita tahu kapan AI benar-benar menjadi makhluk hidup?
- Microsoft menghentikan A.I.
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terkini, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
