Izvođenje novog zadatka zasnovanog isključivo na usmenim ili pisanim uputstvima, a zatim opisivanje drugima kako bi mogli da ga reprodukuju, je kamen temeljac ljudske komunikacije koja se i dalje opire veštačkoj inteligenciji (AI).
Tim sa Univerziteta u Ženevi (UNIGE) uspeo je da modeluje veštačku neuronsku mrežu sposobnu za ovu kognitivnu moć. Nakon što je naučio i obavio niz osnovnih zadataka, ovaj AI je bio u mogućnosti da pruži njihov lingvistički opis „sestrinskoj“ AI, koja ih je zauzvrat izvršila. Ovi obećavajući rezultati, posebno za robotiku, objavljeni su u Nature Neuroscience.
Obavljanje novog zadatka bez prethodne obuke, isključivo na osnovu usmenih ili pismenih instrukcija, jedinstvena je ljudska sposobnost. Štaviše, kada naučimo zadatak, možemo ga opisati tako da ga druga osoba može reprodukovati. Ovaj dvostruki kapacitet nas razlikuje od drugih vrsta kojima su, da bi naučile novi zadatak, potrebna brojna ispitivanja praćena pozitivnim ili negativnim signalima pojačanja, a da to ne mogu da prenesu svojim srodnicima.
Podoblast veštačke inteligencije (AI) — obrada prirodnog jezika — nastoji da ponovo stvori ovu ljudsku sposobnost, sa mašinama koje razumeju i reaguju na glasovne ili tekstualne podatke. Ova tehnika se zasniva na veštačkim neuronskim mrežama, inspirisanim našim biološkim neuronima i načinom na koji prenose električne signale jedni drugima u mozgu. Međutim, neuronski proračuni koji bi omogućili postizanje gore opisanog kognitivnog podviga su još uvek slabo shvaćeni.
„Trenutno, konverzacijski agenti koji koriste AI su sposobni da integrišu lingvističke informacije da bi proizveli tekst ili sliku. Ali, koliko znamo, oni još nisu u stanju da prevedu verbalnu ili pisanu instrukciju u senzomotornu akciju, a još manje da je objasne drugoj veštačkoj inteligenciji kako bi ona mogla da je reprodukuje“, objašnjava Aleksandar Puže, redovni profesor na Odeljenju za osnovne neuronauke na Medicinskom fakultetu UNIGE.
Model mozga
Istraživač i njegov tim su uspeli da razviju veštački neuronski model sa ovim dvostrukim kapacitetom, iako uz prethodnu obuku. „Počeli smo sa postojećim modelom veštačkih neurona, S-Bert, koji ima 300 miliona neurona i prethodno je obučen da razume jezik. ‘Povezali smo’ ga sa drugom, jednostavnijom mrežom od nekoliko hiljada neurona“, objašnjava Reidar Riveland, a Ph.D. student na Katedri za osnovne neuronauke Medicinskog fakulteta UNIGE i prvi autor studije.
U prvoj fazi eksperimenta, neuronaučnici su obučili ovu mrežu da simulira Vernikeovu oblast, deo našeg mozga koji nam omogućava da percipiramo i tumačimo jezik. U drugoj fazi, mreža je obučena da reprodukuje Brokino područje, koje je, pod uticajem Vernikeovog područja, odgovorno za proizvodnju i artikulaciju reči. Ceo proces je obavljen na konvencionalnim laptop računarima. Pisana uputstva na engleskom su zatim prosleđena AI.
Na primer: pokazivanje na lokaciju – levo ili desno – gde se stimulans opaža; reagovanje u suprotnom smeru od stimulusa; ili, složenije, između dva vizuelna stimulusa sa malom razlikom u kontrastu, prikazujući svetliji. Naučnici su zatim procenili rezultate modela, koji je simulirao nameru kretanja, ili u ovom slučaju pokazivanje.
„Kada su ovi zadaci bili naučeni, mreža je bila u stanju da ih opiše drugoj mreži — kopiji prve — kako bi ih mogla reprodukovati. Koliko znamo, ovo je prvi put da su dve veštačke inteligencije mogle da razgovaraju jedni drugima na čisto lingvistički način“, kaže Aleksandar Puže, koji je vodio istraživanje.
Ovaj model otvara nove horizonte za razumevanje interakcije između jezika i ponašanja. To je posebno obećavajuće za sektor robotike, gde je razvoj tehnologija koje omogućavaju mašinama da razgovaraju jedna sa drugom ključno pitanje.
„Mreža koju smo razvili je veoma mala. Ništa sada ne stoji na putu da se na ovoj osnovi razvije mnogo složenije mreže koje bi bile integrisane u humanoidne robote koji su sposobni da nas razumeju, ali i da razumeju jedni druge“, zaključuju dva istraživača. .
