Et skritt nærmere AI med et menneske-lignende sinn

Et team av forskere ved Graduate School of Informatics, Nagoya University, har bringt oss ett skritt nærmere utviklingen av et nevralt nettverk med metaminne gjennom et datamaskin-basert evolusjonseksperiment. Dette type nevralt nettverk kan hjelpe eksperter med å forstå utviklingen av metaminne, som kan hjelpe med å utvikle kunstig intelligens (AI) med et menneske-lignende sinn. 

Forskningen ble publisert i det vitenskapelige tidsskriftet Scientific Reports.

Hva er Metaminne?

Metaminne er prosessen hvor vi spør oss selv om vi husker noe, og at minnet brukes til å bestemme nåværende handlinger. Dette er faktisk en svært kompleks prosess. Det som gjør metaminne viktig er at det innebærer at en person har kunnskap om sine egne minnekapasiteter, som brukes til å justere atferden. 

Professor Takaya Arita er hovedforfatter av forskningen. 

“For å belyse den evolusjonære grunnlaget for det menneskelige sinn og bevissthet, er det viktig å forstå metaminne,” sier professor Arita. “En virkelig menneske-lignende kunstig intelligens, som kan samhandles med og nytes som en familiemedlem i en persons hjem, er en kunstig intelligens som har en viss mengde metaminne, ettersom den har evnen til å huske ting den en gang hørte eller lærte.”

Forskere bruker vanligvis en ‘delayed matching-to-sample-oppgave’ når de studerer metaminne. Hos mennesker innebærer denne oppgaven at deltakeren ser et objekt, husker det, og deretter deltar i en test for å velge det de tidligere så fra flere lignende objekter. Det fungerer på et belønningssystem, med korrekte svar som belønnes og feil svar som straffes. Men subjektet kan velge å ikke gjøre testen og likevel tjene en mindre belønning. 

Når mennesker utfører denne oppgaven, bruker de naturlig metaminnets til å vurdere om de husker å ha sett objektet. Hvis dette er tilfelle, ville de ta testen og få en større belønning. Men hvis de var usikre, ville de unngå å risikere straffen og ta den mindre belønningen. 

Å oppnå Metaminne i Nevralt Nettverksmodell

Teamet av forskere, som inkluderte professor Takaya Arita, Yusuke Yamato og Reiji Suzuki fra Graduate School of Informatics, utviklet en kunstig nevralt nettverksmodell som utførte den forsinkede matching-to-sample-oppgaven og analyserte dens atferd. 

Modellen viste en evne til å utvikle seg til et punkt hvor den utførte likt som aper i tidligere studier. Tidligere forskning har indikert at aper kan utføre denne oppgaven også. 

Det nevralt nettverket kunne undersøke minnene sine, holde dem, og skille utdata uten å trenge assistanse eller menneskelig inngripen. Dette antydet muligheten for at det hadde metaminnemekanismer. 

“Behovet for metaminne avhenger av brukerens miljø. Derfor er det viktig for kunstig intelligens å ha et metaminne som tilpasser seg miljøet ved å lære og utvikle seg,” sier professor Arita. “Hovedpoenget er at den kunstige intelligensen lærer og utvikler seg for å skape et metaminne som tilpasser seg miljøet.”

Den nye utviklingen er et stort skritt mot å oppnå maskiner med menneske-lignende minner. 

“Dette oppnået er forventet å gi ledetråder til realiseringen av kunstig intelligens med et ‘menneske-lignende sinn’ og selv bevissthet,” sier teamet.