ნერვული ქსელები აღწევენ ადამიანის მსგავსი ენის განზოგადებას

ხელოვნური ინტელექტის (AI) მუდმივად განვითარებად სამყაროში მეცნიერებმა ახლახანს მნიშვნელოვანი ეტაპები გამოაცხადეს. მათ შექმნეს ნერვული ქსელი, რომელიც ავლენს ადამიანის მსგავს ცოდნას ენის განზოგადებაში. ეს ინოვაციური განვითარება არ არის მხოლოდ ნაბიჯი, არამედ გიგანტური ნახტომი ადამიანის შემეცნებასა და ხელოვნური ინტელექტის შესაძლებლობებს შორის უფსკრულის გადალახვისკენ.

როდესაც ჩვენ უფრო შორს მივდივართ ხელოვნური ინტელექტის სფეროში, ამ სისტემების უნარი, გაიგონ და გამოიყენონ ენა სხვადასხვა კონტექსტში, ისევე როგორც ადამიანები, უმთავრესი ხდება. ეს ბოლო მიღწევა გვთავაზობს პერსპექტიულ ხედვას მომავლისკენ, სადაც ადამიანისა და მანქანას შორის ურთიერთქმედება უფრო ორგანული და ინტუიციური იქნება, ვიდრე ოდესმე.

არსებულ მოდელებთან შედარება

ხელოვნური ინტელექტის სამყარო უცხო არ არის მოდელებისთვის, რომლებსაც შეუძლიათ ენაზე დამუშავება და რეაგირება. თუმცა, ამ ბოლოდროინდელი განვითარების სიახლე მდგომარეობს ენის განზოგადების მის გაძლიერებულ შესაძლებლობებში. როდესაც ეწინააღმდეგება დამკვიდრებულ მოდელებს, როგორიცაა პოპულარული ჩეთბოტების საფუძვლები, ამ ახალმა ნერვულმა ქსელმა გამოავლინა ახალი ნასწავლი სიტყვების თავის არსებულ ლექსიკონში ჩაყრის უმაღლესი უნარი და მათი გამოყენება უცნობ კონტექსტში.

მიუხედავად იმისა, რომ თანამედროვე ხელოვნური ინტელექტის საუკეთესო მოდელებს, როგორიცაა ChatGPT, შეუძლიათ თავი შეიკავონ საუბრის მრავალ სცენარში, ისინი მაინც ვერ ახერხებენ ახალი ლინგვისტური ინფორმაციის უწყვეტ ინტეგრაციას. მეორეს მხრივ, ეს ახალი ნერვული ქსელი გვაახლოებს რეალობასთან, სადაც მანქანებს შეუძლიათ გაიგონ და დაუკავშირდნენ ადამიანის ნიუანსს და ადაპტირებას.

სისტემური განზოგადება

ამ მიღწევის გულში დგას სისტემატური განზოგადების კონცეფცია. ეს არის ის, რაც ადამიანს აძლევს საშუალებას, ძალისხმევის გარეშე მოერგოს და გამოიყენოს ახლად შეძენილი სიტყვები მრავალფეროვან გარემოში. მაგალითად, როგორც კი გავიგებთ ტერმინს "ფოტობომბი", ჩვენ ინსტინქტურად ვიცით როგორ გამოვიყენოთ იგი სხვადასხვა სიტუაციებში, იქნება ეს "ფოტობომბი ორჯერ" თუ "ფოტობომბვა Zoom ზარის დროს". ანალოგიურად, წინადადების სტრუქტურის გაგება, როგორიცაა „კატა მისდევს ძაღლს“ საშუალებას გვაძლევს ადვილად ჩავწვდეთ მის შებრუნებულს: „ძაღლი მისდევს კატას“.

მიუხედავად ამისა, ადამიანის ეს შინაგანი უნარი AI-სთვის რთული საზღვარი იყო. ტრადიციული ნერვული ქსელები, რომლებიც ხელოვნური ინტელექტის კვლევის ხერხემალი იყო, ბუნებრივად არ ფლობენ ამ უნარს. ისინი ებრძვიან ახალი სიტყვის ჩართვას, თუ მათ არ გაუვლიათ ინტენსიური ტრენინგი ამ სიტყვის მრავალი ნიმუშით კონტექსტში. ეს შეზღუდვა ათწლეულების განმავლობაში იყო დისკუსიის საგანი ხელოვნური ინტელექტის მკვლევარებს შორის, რამაც გამოიწვია დისკუსიები ნერვული ქსელების სიცოცხლისუნარიანობის შესახებ, როგორც ადამიანის შემეცნებითი პროცესების ნამდვილი ასახვა.

შესწავლა დეტალურად

ნეირონული ქსელების შესაძლებლობებსა და მათ პოტენციალს ენის განზოგადებისთვის უფრო ღრმად ჩასატარებლად, ა ყოვლისმომცველი შესწავლა ჩატარდა. კვლევა არ შემოიფარგლებოდა მანქანებით; 25 ადამიანი მონაწილეობდა რთულად ჩართული, რაც AI-ის მუშაობის ეტალონად ემსახურებოდა.

ექსპერიმენტმა გამოიყენა ფსევდოენა, სიტყვების აგებული ნაკრები, რომელიც მონაწილეებისთვის უცნობი იყო. ეს უზრუნველყოფდა, რომ მონაწილეები პირველად სწავლობდნენ ამ ტერმინებს, რაც უზრუნველყოფს სუფთა ფურცელს განზოგადების შესამოწმებლად. ეს ფსევდოენა მოიცავდა სიტყვების ორ განსხვავებულ კატეგორიას. "პრიმიტიული" კატეგორიაში წარმოდგენილი იყო სიტყვები, როგორიცაა "dax", "wif" და "lug", რომლებიც სიმბოლურად განასახიერებდნენ "გამოტოვებას" ან "ნახტომის" მსგავს ძირითად მოქმედებებს. მეორეს მხრივ, უფრო აბსტრაქტულმა „ფუნქციურმა“ სიტყვებმა, როგორიცაა „ბლიკეტი“, „კიკი“ და „ფეპ“, აწესეს წესები ამ პრიმიტიული ტერმინების გამოყენებისა და კომბინაციისთვის, რაც იწვევს თანმიმდევრობებს, როგორიცაა „სამჯერ გადახტომა“. ან "უკუღმა გამოტოვება".

ვიზუალური ელემენტიც დაინერგა სასწავლო პროცესში. თითოეული პრიმიტიული სიტყვა ასოცირდება კონკრეტული ფერის წრესთან. მაგალითად, წითელი წრე შეიძლება წარმოადგენდეს "dax", ხოლო ლურჯი ნიშნავს "lug". შემდეგ მონაწილეებს აჩვენეს პრიმიტიული და ფუნქციური სიტყვების კომბინაციები, რომელსაც თან ახლდა ფერადი წრეების ნიმუშები, რომლებიც ასახავდნენ პრიმიტივებზე ფუნქციების გამოყენების შედეგებს. მაგალითი შეიძლება იყოს ფრაზის "dax fep" დაწყვილება სამ წითელ წრესთან, რაც ასახავს, ​​რომ "fep" არის აბსტრაქტული წესი მოქმედების სამჯერ გამეორებისთვის.

მონაწილეთა გაგებისა და სისტემური განზოგადების შესაძლებლობების შესაფასებლად მათ წარუდგინეს პრიმიტიული და ფუნქციური სიტყვების რთული კომბინაციები. შემდეგ მათ დაევალათ წრეების სწორი ფერისა და რაოდენობის განსაზღვრა, შემდგომი მათი დალაგება შესაბამისი თანმიმდევრობით.

შედეგები და ექსპერტთა მოსაზრებები

ამ კვლევის შედეგები არ არის მხოლოდ AI კვლევის ანალების კიდევ ერთი ზრდა; ისინი წარმოადგენენ პარადიგმის ცვლილებას. ნერვული ქსელის მუშაობამ, რომელიც მჭიდროდ ასახავს ადამიანის მსგავს სისტემურ განზოგადებას, აღფრთოვანება და ინტრიგა გამოიწვია მეცნიერებსა და ინდუსტრიის ექსპერტებს შორის.

დოქტორმა პოლ სმოლენსკიმ, ცნობილმა შემეცნებითმა მეცნიერმა, ჯონს ჰოპკინსის უნივერსიტეტის ენის სპეციალობით, ეს მიესალმა, როგორც „გარღვევა ქსელების სისტემატიურად მომზადების უნარში“. მისი განცხადება ხაზს უსვამს ამ მიღწევის სიდიდეს. თუ ნეირონულ ქსელებს სისტემატიურად განზოგადება შეუძლია, მათ შეუძლიათ პოტენციურად რევოლუცია მოახდინოს მრავალ აპლიკაციაში, ჩეთბოტებიდან ვირტუალურ ასისტენტებამდე და მის ფარგლებს გარეთ.

თუმცა, ეს განვითარება უფრო მეტია, ვიდრე უბრალოდ ტექნოლოგიური წინსვლა. ის ეხება ხელოვნური ინტელექტის საზოგადოებაში ხანგრძლივ დებატებს: შეუძლიათ თუ არა ნეირონული ქსელები ჭეშმარიტად ემსახურებოდეს ადამიანის შემეცნების ზუსტ მოდელს? თითქმის ოთხი ათწლეულის განმავლობაში, ეს კითხვა აწუხებდა ხელოვნური ინტელექტის მკვლევარებს. მიუხედავად იმისა, რომ ზოგიერთს სჯეროდა ნერვული ქსელების პოტენციალის, რომ დაემსგავსებინათ ადამიანის მსგავსი აზროვნების პროცესები, სხვები რჩებოდნენ სკეპტიკურად განწყობილი მათი თანდაყოლილი შეზღუდვების გამო, განსაკუთრებით ენის განზოგადების სფეროში.

ეს კვლევა, თავისი პერსპექტიული შედეგებით, ხელს უწყობს სასწორს ოპტიმიზმის სასარგებლოდ. როგორც ბრენდენ ლეიკმა, ნიუ-იორკის უნივერსიტეტის შემეცნებითი გამოთვლითი მეცნიერმა და კვლევის თანაავტორმა აღნიშნა, ნერვულ ქსელებს შესაძლოა წარსულში უჭირდათ პრობლემები, მაგრამ სწორი მიდგომით, ისინი მართლაც შეიძლება ჩამოყალიბდეს ადამიანის შემეცნების ასპექტების ასახვაზე.

ადამიანი-მანქანის უწყვეტი სინერგიის მომავლისკენ

ხელოვნური ინტელექტის მოგზაურობა, მისი დაწყებული საფეხურებიდან მის ამჟამინდელ უნარებამდე, აღინიშნა უწყვეტი ევოლუციითა და მიღწევებით. ეს ბოლო მიღწევა ნერვულ ქსელებში ენის სისტემატიურად განზოგადებაში მომზადების კიდევ ერთი დადასტურებაა ხელოვნური ინტელექტის უსაზღვრო პოტენციალის შესახებ. რამდენადაც ჩვენ ვდგავართ ამ ეტაპზე, აუცილებელია ვაღიაროთ ასეთი წინსვლის უფრო ფართო შედეგები. ჩვენ ვუახლოვდებით მომავალს, სადაც მანქანებს არა მხოლოდ ესმით ჩვენი სიტყვები, არამედ გაიაზრებენ ნიუანსებსა და კონტექსტებს, რაც ხელს უწყობს ადამიანისა და მანქანის უფრო უწყვეტ და ინტუიციურ ურთიერთქმედებას.