Tim istraživača Alberta Machine Intelligence Institute (Amii) otkrio je značajne detalje o problemu koji dugo intrigira oblast mašinskog učenja. Njihovo istraživanje objavljeno u časopisu Nature ukazuje na mogući napredak ka razvoju veštačke inteligencije sposobne za efikasno delovanje u stvarnom svetu.
Autori studije pod nazivom „Gubitak plastičnosti u dubokom kontinuiranom učenju“ su Shibhansh Dohare, J. Fernando Hernandez-Garcia, Kingfeng Lan, Parash Rahman, kao i A. Rupam Mahmood i Richard S. Sutton iz Amii Fellovs & Canada CIFAR AI Chairs.
Njihovo istraživanje se fokusira na problem gubitka sposobnosti učenja kod agenata dubokog učenja u kontinuiranom okruženju. Ova pojava, nazvana „gubitak plastičnosti“, predstavlja značajan izazov za razvoj veštačke inteligencije koja bi mogla da se izbori sa složenim zahtevima stvarnog sveta.
Otkriće da mnogi postojeći modeli nisu prilagođeni kontinuiranom učenju, kao što je slučaj sa modelom ChatGPT, ističe potrebu za novim pristupima koji bi omogućili veštačkoj inteligenciji da neprekidno uči i prilagođava se novim informacijama. Ovo je posebno kritično u dinamičnim okruženjima poput finansijskih tržišta gde je stalno učenje neophodno.
Kroz niz eksperimenata, istraživači su potvrdili prisustvo problema gubitka plastičnosti u dubokom učenju i razvili pristup nazvan „kontinuirano širenje unazad“ koji omogućava modelima da kontinuirano uče i prilagođavaju se novim informacijama. Ovaj pristup otvara vrata novim istraživanjima koja se nadaju rešavanju ovog fundamentalnog izazova.
