Как Может Искусственный Интеллект Научиться Процессу Обучения?

Чтобы сделать новые шаги в развитии искусственного интеллекта, ИИ, как говорит автор Джун Ву в Forbes, должен «научиться учиться». Что это значит?

Как объясняет Ву, «люди имеют уникальную способность учиться в любой ситуации или окружении». Люди могут адаптировать свой процесс обучения. Чтобы иметь такую гибкую качество, ИИ cần Общий Искусственный Интеллект – он должен научиться процессу обучения, что называется Мета-Обучением.

Есть одно очень конкретное различие в процессе обучения между людьми и искусственным интеллектом. Пока способность человека к обучению ограничена, ИИ имеет гораздо больше ресурсов, таких как его вычислительная мощность. Мозговая мощность человека имеет свои пределы, и у него также ограничено время для обучения. Но, хотя ИИ «учится из большего количества данных, чем данные, которые использует человеческий мозг, обработка этих огромных объемов данных требует огромной вычислительной мощности».

Ву объясняет, что «по мере роста сложности задач ИИ также происходит экспоненциальный рост вычислительной мощности». Это означает, что даже если стоимость вычислительной мощности низка, «экспоненциальный рост никогда не является сценарием, который мы хотим». Это главная причина, по которой в настоящее время «ИИ предназначен для обучения с конкретной целью», что делает его процесс обучения более эффективным.

Но когда ИИ начал учиться больше, «научиться учиться» он начал «делать выводы из данных с возрастающей сложностью». Чтобы избежать экспоненциального роста вычислительной мощности, был разработан более эффективный путь обучения, и ИИ должен был запомнить этот путь.

Вся проблема стала еще более сложной, когда исследователи и технологи начали задавать ИИ задачи с многозадачностью. Чтобы иметь возможность это сделать, ИИ «нужно уметь оценивать независимые наборы данных параллельно. Он также должен связать фрагменты данных и сделать выводы о этих данных». Пока одна задача выполняется, ИИ должен обновить свои знания, чтобы он мог применить их в других ситуациях. «Поскольку задачи взаимосвязаны, оценки задач должны выполняться всей сетью».

Google (GOOGL ) разработал одну такую модель, MultiModel, которая является системой ИИ, «которая научилась выполнять восемь разных задач одновременно. MultiModel может обнаруживать объекты на изображениях, предоставлять подписи, распознавать речь, переводить между четырьмя парами языков и выполнять грамматический синтаксический анализ.

Хотя достижение Google является большим шагом вперед, ИИ все еще должен сделать дальнейшие шаги, чтобы стать общим обучающимся. Чтобы достичь этого, ему нужно будет дальше развивать мета-разум и мета-обучение. Как объясняет Ву, «мета-разум сосредоточен на эффективном использовании когнитивных ресурсов. Мета-обучение сосредоточено на уникальной способности человека эффективно использовать ограниченные когнитивные ресурсы и ограниченные данные для обучения».

В настоящее время проводятся исследования, чтобы выяснить разрыв между человеческим познанием и тем, как ИИ учится, такие как осознание внутренних состояний, точность памяти или уверенности.

Все это означает, что «становление искусственным общим обучающимся требует обширных исследований о том, как люди учатся, а также исследований о том, как ИИ может имитировать способ, которым люди учатся. Чтобы адаптироваться к новым ситуациям, таким как иметь возможность «многозадачности», и иметь возможность принимать «стратегические решения» с ограниченными ресурсами, являются лишь несколькими из препятствий, которые исследователи ИИ преодолеют на своем пути».