מודל עצבי חדש מאפשר תקשורת לשונית AI ל-AI

בקפיצה משמעותית קדימה עבור בינה מלאכותית (AI), צוות מאוניברסיטת ז’נבה (UNIGE) פיתח בהצלחה מודל שחוקה תכונה אנושית ייחודית: ביצוע משימות על בסיס הוראות כתובות או מילוליות ולאחר מכן תקשורתן לאחרים. הישג זה פותר אתגר ותיק ב-AI, ומסמן אבן דרך בהתפתחות התחום.

היסטורית, מערכות AI הצטיינו בעיבוד כמויות גדולות של נתונים וביצוע חישובים מורכבים. עם זאת, הן נכשלו באופן עקבי במשימות שבני אדם מבצעים באופן אינטואיטיבי – ללמוד משימה חדשה מהוראות פשוטות ואז לבטא את התהליך לאחרים לשם שיחזור. היכולת לא רק להבין אלא גם לתקשר הוראות מורכבות היא עדות לפונקציות הקוגניטיביות המתקדמות שנותרו, עד כה, תכונה ייחודית של האינטליגנציה האנושית.

הפריצה של צוות UNIGE עוברת מעבר לביצוע משימות ומגיעה לכדי כיללות שפה דומה לאדם. היא כוללת מודל AI המסוגל לבלוע הוראות, לבצע את המשימות המתוארות ואז לשוחח עם ‘אחות’ AI כדי להעביר את התהליך במונחים לשוניים, ובכך לאפשר שיחזור. פיתוח זה פותח אפשרויות בלתי נתפסות ב-AI, במיוחד בתחום האינטראקציה בין אדם ל-AI וברובוטיקה, שם תקשורת יעילה היא קריטית.

אתגר החיקוי של יכולות קוגניטיביות אנושיות ב-AI

מיומנויות קוגניטיביות אנושיות מפגינות יכולת רמרטיבית ללמידה ותקשורת משימות מורכבות. יכולות אלו, השזורות עמוקות במערכות הנוירו-קוגניטיביות שלנו, מאפשרות לנו להבין במהירות הוראות ולהעביר את הבנתנו לאחרים באופן קוהרנטי. חיקוי המשחק המורכב הזה בין למידה וביטוי לשוני ב-AI היה אתגר משמעותי.

הפער הזה ביכולות AI מדגיש את המגבלות של מודלים קיימים. רוב מערכות ה-AI פועלות בתוך הגבולות של אלגוריתמים ומאגרי נתונים שתוכננו, חסרות את היכולת להרחיב או להסיק מעבר לאימון. כתוצאה מכך, הפוטנציאל של AI להסתגל לתרחישים חדשים או לתקשר מחשבות בצורה דומה לאדם הוא מוגבל באופן משמעותי.

לימוד UNIGE מייצג צעד משמעותי בפתרון המגבלות הללו. בהנדסת מודל AI שלא רק מבצע משימות על בסיס הוראות אלא גם מתקשר אותן לישות AI אחרת, צוות UNIGE הוכיח התקדמות קריטית ביכולות הקוגניטיביות והלשוניות של AI. פיתוח זה מרמז על עתיד שבו AI יוכל לחקות בצורה יותר קרובה למידה ותקשורת אנושית, פותח דלתות ליישומים הדורשים אינטראקטיביות ואדפטביליות דינאמיות.

גישור הפער עם עיבוד שפה טבעית

עיבוד שפה טבעית (NLP) עומד בחזית גישור הפער בין שפה אנושית להבנה של AI. NLP מאפשר למכונות להבין, לפרש ולהגיב לשפה האנושית באופן משמעותי. תחום משנה זה של AI מתמקד באינטראקציה בין מחשבים לבני אדם באמצעות שפה טבעית, ומטרתו לקרוא, לפענח ולהבין את שפות האדם באופן מועיל.

עקרון היסוד של NLP טמון ביכולתו לעבד ולנתח כמויות גדולות של נתוני שפה טבעית. ניתוח זה אינו מוגבל רק להבנה מילולית של מילים, אלא כולל גם הבנת ההקשר, הרגש ואפילו הניואנסים המרומזים בתוך השפה. באמצעות NLP, מערכות AI יכולות לבצע מגוון רחב של משימות, מתרגום וניתוח רגשות ועד לאינטראקציות מורכבות יותר כגון סוכנים קונברסאטיביים.

מרכזי להתקדמות זו ב-NLP הוא פיתוח רשתות עצביות מלאכותיות, השואבות השראה מנוירונים ביולוגיים במוח האנושי. רשתות אלו חוקות את הדרך שבה נוירונים אנושיים מעבירים אותות חשמליים, עובדים מידע דרך צמתים מחוברים. ארכיטקטורה זו מאפשרת לרשתות עצביות ללמוד מנתוני הקלט ולשפר את עצמן עם הזמן, בדומה לדרך שבה המוח האנושי לומד מניסיון.

הקשר בין רשתות עצביות מלאכותיות אלו לנוירונים הביולוגיים הוא מרכיב מפתח בקידום יכולות השפה של AI. על ידי דמותו של תהליכים עצביים המעורבים בהבנה ויצירה של שפה אנושית, חוקרי AI מניחים את היסודות למערכות שיכולות לעבד שפה בדרך המחקה תפקודים קוגניטיביים אנושיים. לימוד UNIGE ממחיש גישה זו, באמצעות שימוש במודלים מתקדמים של רשתות עצביות כדי לחקות ולשחזר את המשחק המורכב בין הבנת שפה לביצוע משימה, הטבוע בקוגניציה האנושית.

גישת UNIGE לתקשורת AI

צוות אוניברסיטת ז’נבה ביקש ליצור רשת עצבית מלאכותית המחקה יכולות קוגניטיביות אנושיות. המפתח היה לפתח מערכת שלא רק מבינה שפה אלא גם משתמשת בה כדי להעביר משימות שנלמדו. גישתם החלה עם מודל נוירון מלאכותי קיים, S-Bert, הידוע ביכולותיו להבין שפה.

אסטרטגיית צוות UNIGE כללה חיבור S-Bert, המורכב מ-300 מיליון נוירונים שאומנו מראש בהבנת שפה, לרשת עצבית קטנה ופשוטה יותר. רשת זו הוטלה עליה לשחזר אזורים מסוימים במוח האנושי המעורבים בעיבוד ויצירה של שפה – אזור ורניקה ואזור ברוקה, בהתאמה. אזור ורניקה במוח חיוני להבנת שפה, בעוד אזור ברוקה ממלא תפקיד מרכזי בייצור דיבור ועיבוד שפה.

מיזוג הרשתות הללו נועד לחקות את האינטראקציה המורכבת בין שני אזורים אלו. תחילה, הרשת המשולבת אומנה לחקות את אזור ורניקה, מעדנת את יכולתה לקלוט ולפרש שפה. לאחר מכן, היא עברה אימון לשחזר את תפקודי אזור ברוקה, מאפשרת הפקה וביטוי של שפה. באופן מרשים, תהליך זה בוצע באמצעות מחשבים ניידים רגילים, המדגים את הנגישות והגמישות של המודל.

הניסוי ומשמעויותיו

הניסוי כלל הזנת הוראות כתובות באנגלית ל-AI, שאז היה צריך לבצע את המשימות המצוינות. משימות אלו השתנו ברמת המורכבות, מפעולות פשוטות כגון הצביעה על מיקום בתגובה לגירוי, ועד למשימות מורכבות יותר כגון זיהוי ותגובה לניגודים עדינים בגירויים חזותיים.

המודל חיקה את הכוונה של תנועה או הצביעה, חוקה תגובות אנושיות למשימות אלו. באופן מובהק, לאחר שתיימר במשימות, AI היה מסוגל לתאר אותן באופן לשוני לרשת שנייה, עותק של הראשונה. רשת זו, לאחר קבלת ההוראות, שיחזרה בהצלחה את המשימות.

הישג זה סימן את הפעם הראשונה שבה שתי מערכות AI תקשרו זו עם זו באופן בלעדי דרך שפה, אבן דרך בפיתוח AI. היכולת של AI אחד להורות לאחר לבצע משימות דרך תקשורת לשונית בלבד, פותח גבולות חדשים באינטראקטיביות ושיתוף פעולה של AI.

היבטים לרובוטיקה ומעבר

פיתוח זה משפיע באופן משמעותי על תחום הרובוטיקה ומשתרע על פני תחומים רבים אחרים. היישומים הפוטנציאליים של טכנולוגיה זו ברובוטיקה הם במיוחד מבטיחים. רובוטים הומנואידים, המצוידים ברשתות עצביות מתקדמות אלו, יכולים להבין ולבצע הוראות מורכבות, משפרים את תפקודם ואוטונומיה. יכולת זו היא קריטית עבור רובוטים שתוכננו למשימות הדורשות גמישות ולמידה, כגון בתחומי הבריאות, ייצור וסיוע אישי.

בנוסף, השלכות הטכנולוגיה חורגות מעבר לרובוטיקה. בתחומים כגון שירות לקוחות, חינוך ובריאות, מערכות AI עם יכולות תקשורת ולמידה משופרות יכולות לספק שירותים מותאמים ויעילים יותר. פיתוח רשתות מורכבות יותר, המבוססות על מודל UNIGE, מציג אפשרויות ליצירת מערכות AI שלא רק מבינות שפה אנושית אלא גם מתקשרות בדרך המחקה תהליכים קוגניטיביים, מובילה לחוויות משתמש טבעיות ואינטואיטיביות יותר.

התקדמות זו בתקשורת AI מרמזת על עתיד שבו הפער בין אינטליגנציה אנושית לאינטליגנציה מלאכותית הולך וקטן, מוביל לפריצות דרך שיכולות לשנות את האופן שבו אנו מינהלים את האינטראקציה עם הטכנולוגיה. לימוד UNIGE, לפיכך, אינו רק עדות ליכולות המשתפרות של AI, אלא גם מצביע על חקרים עתידיים בתחום הקוגניציה והתקשורת המלאכותית.