วิธีการที่ปัญญาประดิษฐ์เรียนรู้เกี่ยวกับกระบวนการเรียนรู้

เพื่อให้ปัญญาประดิษฐ์สามารถก้าวหน้าไปอีกขั้นหนึ่ง ปัญญาประดิษฐ์จะต้อง “เรียนรู้เพื่อเรียนรู้” ตามที่จุน วู อธิบายไว้ใน Forbes สิ่งนี้หมายถึงอะไร?

วูอธิบายว่า “มนุษย์มีความสามารถพิเศษในการเรียนรู้จากสถานการณ์หรือสภาพแวดล้อมใดๆ” มนุษย์สามารถปรับเปลี่ยนกระบวนการเรียนรู้ของตนเองได้ เพื่อให้ปัญญาประดิษฐ์มีคุณภาพที่ยืดหยุ่นเช่นนี้ ปัญญาประดิษฐ์จะต้องมีปัญญาประดิษฐ์ทั่วไป – จะต้องเรียนรู้เกี่ยวกับกระบวนการเรียนรู้ ซึ่งเรียกว่า Meta-Learning

มีความแตกต่างที่ชัดเจนในกระบวนการเรียนรู้ระหว่างมนุษย์และปัญญาประดิษฐ์ ในขณะที่ความสามารถในการเรียนรู้ของมนุษย์มีจำกัด ปัญญาประดิษฐ์มีทรัพยากรมากกว่า เช่น กำลังคำนวณของมัน มนุษย์สมองมีข้อจำกัดและเวลาที่จำกัดในการเรียนรู้ แต่ในขณะที่ปัญญาประดิษฐ์ “เรียนรู้จากข้อมูลมากกว่าที่สมองมนุษย์ใช้ การประมวลผลข้อมูลจำนวนมากต้องใช้กำลังคำนวณที่มาก”

วูอธิบายว่า “เมื่อความซับซ้อนของงานปัญญาประดิษฐ์เพิ่มขึ้น จะมีการเพิ่มขึ้นของกำลังคำนวณในลักษณะทวีคูณ” ซึ่งหมายความว่าแม้ว่าค่าใช้จ่ายของกำลังคำนวณจะถูก “การเพิ่มขึ้นในลักษณะทวีคูณไม่ใช่สถานการณ์ที่เราต้องการ” นี่เป็นเหตุผลหลักที่ปัญญาประดิษฐ์ในปัจจุบัน “ถูกออกแบบมาเพื่อเป็นนักเรียนที่มีจุดมุ่งหมายเฉพาะ” ทำให้กระบวนการเรียนรู้ของมัน更加มีประสิทธิภาพ

แต่เมื่อปัญญาประดิษฐ์เริ่มเรียนรู้มากขึ้น “เรียนรู้เพื่อเรียนรู้” มันเริ่ม “อนุมานจากข้อมูลที่มีความซับซ้อนมากขึ้น” เพื่อหลีกเลี่ยงการเพิ่มขึ้นของกำลังคำนวณในลักษณะทวีคูณ วิธีการเรียนรู้ที่มีประสิทธิภาพมากกว่าต้องถูกสร้างขึ้น และปัญญาประดิษฐ์จะต้องจำวิธีการนั้น

ปัญหา toàn bộกลายเป็น复雑ขึ้นเมื่อนักวิจัยและนักเทคโนโลยีเริ่มมอบหมายปัญหาหลายอย่างให้กับปัญญาประดิษฐ์ เพื่อให้สามารถทำได้ ปัญญาประดิษฐ์ “ต้องสามารถประเมินชุดข้อมูลที่ไม่ขึ้นต่อกันในเวลาเดียวกัน มัน cũngต้องเชื่อมโยงระหว่างชิ้นส่วนของข้อมูลและอนุมานความสัมพันธ์ระหว่างข้อมูล” ในขณะที่ทำงานหนึ่งกำลังดำเนินการ ปัญญาประดิษฐ์จะต้องอัปเดตความรู้ของมันเพื่อให้สามารถนำไปใช้ในสถานการณ์อื่น “เนื่องจากงานมีความเกี่ยวข้องกัน การประเมินสำหรับงานเหล่านั้นจะต้องทำโดยเครือข่ายทั้งหมด”

Google (GOOGL ) พัฒนาโมเดลหนึ่ง เช่น MultiModel, ซึ่งเป็นระบบปัญญาประดิษฐ์ที่ “เรียนรู้เพื่อทำงานแปดอย่างพร้อมกัน MultiModel สามารถตรวจจับวัตถุในภาพ ให้คำบรรยาย ระบุคำพูด แปลระหว่างคู่ภาษาสี่คู่ และทำการวิเคราะห์ไวยากรณ์

ในขณะที่ความสำเร็จของ Google เป็นขั้นตอนสำคัญ ปัญญาประดิษฐ์ยังคงต้องก้าวหน้าเพิ่มเติมเพื่อให้สามารถเป็นนักเรียนทั่วไปได้ เพื่อให้สามารถทำได้ จะต้องพัฒนาการให้เหตุผลและการเรียนรู้ในระดับสูงขึ้น ตามที่วูอธิบาย “การให้เหตุผลมุ่งเน้นไปที่การใช้ทรัพยากรทาง认知อย่างมีประสิทธิภาพ การเรียนรู้มุ่งเน้นไปที่ความสามารถพิเศษของมนุษย์ในการใช้ทรัพยากรทาง认知และข้อมูลที่จำกัดเพื่อเรียนรู้”

ปัจจุบันมีการศึกษาเพื่อระบุช่องว่างระหว่างการรับรู้ของมนุษย์และวิธีการเรียนรู้ของปัญญาประดิษฐ์ เช่น ความตระหนักของสถานะภายใน ความแม่นยำของหน่วยความจำหรือความมั่นใจ

สิ่งนี้หมายความว่า “การเป็นนักเรียนทั่วไปของปัญญาประดิษฐ์ต้องมีการวิจัยอย่างกว้างขวางเกี่ยวกับวิธีการเรียนรู้ของมนุษย์以及วิธีการที่ปัญญาประดิษฐ์สามารถเลียนแบบวิธีการเรียนรู้ของมนุษย์ได้ เพื่อปรับตัวเข้ากับสถานการณ์ใหม่ๆ เช่น มีความสามารถในการ “ทำงานหลายอย่างพร้อมกัน” และมีความสามารถในการตัดสินใจเชิงกลยุทธ์ด้วยทรัพยากรที่จำกัด เป็นเพียงบางส่วนของอุปสรรคที่นักวิจัยปัญญาประดิษฐ์จะ克服ไปตามทาง”