Miten Tekoäly Voisi Oppia Oppimisprosessista?

Tekoälyn edistymiseksi on tehtävä uusia loikkia, ja kuten kirjailija Jun Wu toteaa Forbesissa, tekoälyn on “opittava oppimaan”. Mitä se tarkoittaisi?

Wu selittää, että ihmiset ovat ainutlaatuisia oppimiskyvyltään. Ihmiset voivat sopeuttaa oppimisprosessiaan. Tekoälyn on kehitettävä yleinen älykkyys, jotta se voisi oppia oppimisprosessista, jota kutsutaan meta-oppimiseksi.

On yksi erityinen vastakohta oppimisprosessissa ihmisten ja tekoälyn välillä. Ihmisen oppimiskyky on rajoitettu, mutta tekoälyllä on enemmän resursseja, kuten laskentavoima. Ihmisaivojen laskentavoima on rajoitettu, ja niillä on myös rajoitettu aika oppia. Mutta tekoäly “oppii enemmän dataa kuin ihmisaivot, ja tämän datan prosessointi vaatii valtavan laskentavoiman.”

Wu selittää, että “kun tekoälyn tehtävien monimutkaisuus kasvaa, myös laskentavoiman tarve kasvaa eksponentiaalisesti.” Tämä tarkoittaisi, että vaikka laskentavoiman kustannus on alhainen, “eksponentiaalinen kasvu ei ole koskaan tilanne, jota haluamme.” Tämä on pääsyy siihen, että tekoäly on suunniteltu erityistarkoituksiin, mikä tekee oppimisprosessista tehokkaamman.

Mutta kun tekoäly alkoi oppia enemmän, “oppien oppimaan” se alkoi “johtaa tietoa kasvavan monimutkaisuuden kanssa.” Laskentavoiman eksponentiaalisen kasvun välttämiseksi kehitettiin tehokkaampi oppimispolut, ja tekoälyn oli muistettava se.

Ongelma muuttui entistä monimutkaisemmaksi, kun tutkijat ja teknologit alkoivat antaa tekoälylle monia tehtäviä. Sen oli “kyettävä arvioimaan itsenäisiä tietojoukkoja rinnakkain. Sen oli myös kyettävä liittämään tietojen paloja ja johtamaan niiden välisiä yhteyksiä.” Kun yhtä tehtävää tehdään, tekoälyn on päivitettävä tietämystään, jotta se voi soveltaa sitä muihin tilanteisiin. “Koska tehtävät ovat toisiinsa liittyviä, tehtävien arviointi on tehtävä koko verkostolla.”

Google (GOOGL ) kehitti yhden tällaisen mallin, MultiModel, joka on tekoälyjärjestelmä, joka “oppii suorittamaan kahdeksan eri tehtävää samanaikaisesti. MultiModel voi havaita objekteja kuvissa, antaa kuvauksia, tunnistaa puhetta, kääntää neljää kieltä ja suorittaa kieliopillista analyysiä.

Vaikka Googlen saavutus on suuri loikka eteenpäin, tekoälyn on edelleen tehtävä suuria harppauksia, jotta se voi kehittyä yleiseksi oppijaksi. Sen on kehitettävä meta-ajattelua ja meta-oppimista. Wu selittää, että “meta-ajattelu keskittyy kognitiivisten resurssien tehokkaaseen käyttöön. Meta-oppiminen keskittyy ihmisen ainutlaatuiseen kykyyn käyttää tehokkaasti rajoitettuja kognitiivisia resursseja ja rajoitettua dataa oppimiseen.”

Tällä hetkellä on tutkimuksia, jotka pyrkivät selvittämään eroja ihmisen kognitiivisen prosessin ja tekoälyn oppimisen välillä, kuten tietoisuutta sisäisistä tiloista, muistin tarkkuutta tai luottamusta.

Kaikki tämä tarkoittaa, että “kehittymiseen yleiseksi oppijaksi vaaditaan laaja tutkimus siitä, miten ihmiset oppivat, sekä tutkimus siitä, miten tekoäly voi jäljitellä ihmisen oppimista. Sovittautumiseen uusiin tilanteisiin, kuten moniajoon ja strategisten päätösten tekemiseen rajoitettuin resurssein, ovat vain muutamia esteitä, joita tekoälyn tutkijat voittavat matkallaan.”