背後にある理論 ニューラルネットワークのような機械学習ツール それは、それらが人間の脳と同じように機能し、より具体的には同じように学習するということです。 私たちが試行錯誤を通じて世界を発見するのと同じように、現代の人工知能も試行錯誤を繰り返します。 ただし、実際には少し異なります。 幼少期の学習には機械には再現できない側面があり、それが多くの分野で人間を優れた学習者にする要因の 1 つです。
ニューヨーク大学の研究者たちは、この状況を変えようと取り組んでいます。 研究者 カニシュク・ガンジー そして ブレンデン・レイク 彼らは、子供たちの中に存在する「相互排他性バイアス」と呼ばれるものが、どのようにして AI を進化させるのに役立つのかを調査してきました。 言語を理解するなどの学習タスクに関しては、より効果的です。
おすすめ動画
「子供たちが新しい単語を学ぼうとするとき、彼らは帰納的バイアスに頼って、可能な単語の範囲を狭めてしまいます。 という意味です」とニューヨーク大学人間・機械学習研究室の大学院生、ガンジー氏はデジタルに語った。 トレンド。 「相互排他性 (ME) とは、オブジェクトがある名前を持つ場合、別の名前を持つことはできないという子供たちの思い込みです。 相互排他性は、曖昧な文脈の中で新しい単語の意味を理解するのに役立ちます。 たとえば、子供たちは見慣れた物と見慣れない物を提示されたときに『ダックスを見せて』と言われると、見慣れない物を選ぶ傾向があります。」
関連している
- これらの独創的なアイデアは、AI の邪悪さを少しでも和らげるのに役立つかもしれません
- Meta がビデオ用に DALL-E を作成しました。不気味でありながら素晴らしいものです
- 目の錯覚は次世代の AI の構築に役立つ可能性がある
研究者たちは、自分たちの研究でいくつかのアイデアを探求したいと考えていました。 1 つは、共通の学習パラダイムを使用してトレーニングされた深層学習アルゴリズムが相互排他性を考慮して推論できるかどうかを調査することでした。 また、相互排他性による推論が、深層学習を使用して一般的に取り組むタスクのアルゴリズムの学習に役立つかどうかも確認したいと考えていました。
これらの調査を実行するために、研究者らはまず 400 個のニューラル ネットワークをトレーニングして、単語のペアとその意味を関連付けました。 次に、これまで見たことのない 10 個の単語についてニューラル ネットがテストされました。 彼らは、新しい単語は未知の意味ではなく、既知の意味に対応する可能性が高いと予測しました。 これは、A.I. 排他性バイアスがありません。 次に研究者らは、AI を支援するデータセットを分析しました。 言語を翻訳するために。 これは、排他性バイアスが機械にとって有益であることを示すのに役立ちました。
「私たちの結果は、これらの特性が一般的な機械学習タスクの構造とあまり一致していないことを示しています」とガンジー氏は続けました。 「ME は、特にトレーニングの初期段階で、一般的な翻訳や分類のタスクを一般化するための手がかりとして使用できます。 私たちは、バイアスを示すことで、学習アルゴリズムがより速く、より適応性のある方法で学習できるようになると信じています。」
ガンジーと湖のように 紙に書く 彼らの研究について次のように説明しています。 相互排他性によって推論するニューラル ネットワークを設計するための説得力のあるケースですが、未解決のままです。 チャレンジ。"
編集者のおすすめ
- Apple の ChatGPT ライバルが自動的にコードを作成する可能性がある
- Photoshop AI は「幸せ」とは歯が腐った笑顔だと考えている
- ばかばかしいスタートアップのアイデアをロボットベンチャーキャピタルに売り込んだ
- AI が実際に知覚力を持つようになる時期をどうやって知ることができるのでしょうか?
- マイクロソフトは、感情を読み取る不気味な AI を廃止します。
ライフスタイルをアップグレードするDigital Trends は、読者が最新ニュース、楽しい製品レビュー、洞察力に富んだ社説、ユニークなスニーク ピークをすべて提供して、ペースの速いテクノロジーの世界を監視するのに役立ちます。
