Čita, govori, upoređuje brdo podataka i preporučuje poslovne odluke. Današnja veštačka inteligencija može izgledati ljudskije nego ikada. Međutim, AI i dalje ima nekoliko kritičnih nedostataka.
„Koliko god da su impresivni ChatGPT i sve ove trenutne AI tehnologije, u smislu interakcije sa fizičkim svetom, one su i dalje veoma ograničene. Čak iu stvarima koje rade, poput rešavanja matematičkih zadataka i pisanja eseja, potrebne su milijarde i milijarde obuke primere pre nego što ih dobro urade“, objašnjava NeuroAI naučnik Kile Daruvalla Laboratorije Cold Spring Harbor (CSHL).
Daruvala je tražio nove, nekonvencionalne načine da dizajnira veštačku inteligenciju koja može da prevaziđe takve računarske prepreke. A možda je upravo našao jednu.
Ključ je bio pomeranje podataka. Danas, većina potrošnje energije modernog računarstva dolazi od odbijanja podataka. U veštačkim neuronskim mrežama, koje se sastoje od milijardi veza, podaci mogu imati veoma dug put.
Dakle, da bi pronašao rešenje, Daruvala je tražio inspiraciju u jednoj od računarski najmoćnijih i energetski najefikasnijih mašina koje postoje — ljudskom mozgu.
Daruvala je dizajnirao novi način za AI algoritme da mnogo efikasnije pomeraju i obrađuju podatke, na osnovu toga kako naš mozak prima nove informacije. Dizajn omogućava pojedinačnim AI „neuronima“ da primaju povratne informacije i prilagođavaju se u hodu, umesto da čekaju da se ceo kolo istovremeno ažurira. Na ovaj način podaci ne moraju da putuju tako daleko i obrađuju se u realnom vremenu.
„U našem mozgu, naše veze se stalno menjaju i prilagođavaju“, kaže Daruvala. „Nije da pauzirate sve, prilagodite se, a zatim ponovo budete vi.“
Nalazi su objavljeni u časopisu Frontiers in Computational Neuroscience.
Novi model mašinskog učenja pruža dokaze za još nedokazanu teoriju koja povezuje radnu memoriju sa učenjem i akademskim učinkom. Radna memorija je kognitivni sistem koji nam omogućava da ostanemo na zadatku dok se prisećamo sačuvanog znanja i iskustava.
„U neuronauci su postojale teorije o tome kako kola radne memorije mogu pomoći da se olakša učenje. Ali ne postoji nešto tako konkretno kao što je naše pravilo što zapravo povezuje ovo dvoje zajedno. I to je bila jedna od lepih stvari na koje smo ovde naleteli. teorija je dovela do pravila gde je prilagođavanje svake sinapse pojedinačno zahtevalo da ova radna memorija sedi pored nje“, kaže Daruvala.
Daruvalin dizajn može pomoći u pokretanju nove generacije veštačke inteligencije koja uči kao mi. To ne samo da bi veštačku inteligenciju učinilo efikasnijom i pristupačnijom – to bi takođe bio trenutak punog kruga za neuroAI. Neuronauka je hranila vredne podatke veštačke inteligencije mnogo pre nego što je ChatGPT izgovorio svoj prvi digitalni slog. Čini se da bi uskoro veštačka inteligencija mogla da uzvrati uslugu.
