Як Штучний Інтелект Може Навчитися Про Процес Навчання?

Щоб зробити нові стрибки у розвитку штучного інтелекту, штучний інтелект повинен, як автор Джун Ву висловлює у Forbes, навчитися «навчати себе». Що це означає?

Як Ву пояснює, «люди мають унікальну здатність навчатися з будь-якої ситуації чи оточення.» Люди можуть адаптувати свій процес навчання. Щоб мати таку гнучку якість, штучний інтелект потребує штучного загального інтелекту – він повинен навчитися про процес навчання, який називається мета-навчанням.

Є одна дуже конкретна відмінність у процесі навчання між людьми та штучним інтелектом. Навіть якщо людська здатність до навчання обмежена, штучний інтелект має значно більше ресурсів, таких як його обчислювальна потужність. Людський мозок має свої обмеження, і у нього обмежений час для навчання. Але, хоча штучний інтелект «навчиться з більшої кількості даних, ніж дані, які використовує людський мозок, обробка цих величезних обсягів даних вимагає величезної обчислювальної потужності.»

Ву пояснює, що «під час зростання складності завдань штучного інтелекту відбувається експоненційний зростання обчислювальної потужності.» Це означає, що навіть якщо вартість обчислювальної потужності низька, «експоненційний зростання ніколи не є сценарієм, який ми хочемо.» Це головна причина, чому на даний момент «штучний інтелект розроблений як спеціалізований навчальний засіб», що робить його процес навчання більш ефективним.

Але коли штучний інтелект почав навчатися більше, «навчання навчанню» він почав «висновувати з даних із зростаючою складністю.» Щоб уникнути експоненційного зростання обчислювальної потужності, було розроблено більш ефективний шлях навчання, і штучний інтелект повинен був запам’ятати цей шлях.

Проблема стала ще більш складною, коли дослідники та технологи почали призначати штучному інтелекту завдання з багатозадачності. Щоб це зробити, штучний інтелект «потребує можливості оцінювати незалежні набори даних паралельно. Він також повинен пов’язувати частини даних та висновкувати зв’язки між цими даними.» Під час виконання однієї задачі штучний інтелект повинен оновлювати свої знання, щоб міг застосовувати їх у інших ситуаціях. «Оскільки завдання взаємопов’язані, оцінки завдань повинні здійснюватися цією цією мережею.»

Google (GOOGL ) розробила одну таку модель, MultiModel, яка є системою штучного інтелекту, що «навчилася виконувати одночасно вісім різних завдань. MultiModel може виявляти об’єкти на зображеннях, забезпечувати підписи, розпізнавати мову, перекладати між чотирма парами мов та здійснювати граматичний аналіз.»

Хоча досягнення Google є великим стрибком вперед, штучний інтелект ще повинен зробити подальші кроки, щоб стати загальним навчальним засобом. Щоб досягти цього, йому потрібно буде подальше розвивати мета-розуміння та мета-навчання. Як Ву пояснює, «мета-розуміння зосереджується на ефективному використанні когнітивних ресурсів. Мета-навчання зосереджується на унікальній здатності людини ефективно використовувати обмежені когнітивні ресурси та обмежені дані для навчання.»

На даний момент проводяться дослідження, щоб з’ясувати розриви між людською когніцією та способом навчання штучного інтелекту, такі як усвідомлення внутрішніх станів, точність пам’яті чи впевненість.

Все це означає, що «стати штучним загальним навчальним засобом вимагає широких досліджень того, як люди навчаються, а також досліджень того, як штучний інтелект може наслідувати спосіб навчання людини. Щоб адаптуватися до нових ситуацій, таких як багатозадачність та здатність приймати «стратегічні рішення» з обмеженими ресурсами, це лише деякі з перешкод, які дослідники штучного інтелекту подолають на своєму шляху.»