Новий нейронний модель дозволяє здійснювати лінгвістичну комунікацію між штучним інтелектом

У значному стрибку вперед для штучного інтелекту (ШІ) команда з Женевського університету (UNIGE) успішно розробила модель, яка імітує унікальну людську особливість: виконання завдань на основі усних або письмових інструкцій та подальшу комунікацію їх іншим. Це досягнення вирішує давню проблему в ШІ, відзначаючи значний етап в еволюції галузі.

Історично ШІ-системи excelled у обробці великих обсягів даних та виконанні складних обчислень. Однак вони постійно не виправдали очікувань у завданнях, які люди виконують інтуїтивно – вивченням нового завдання з простих інструкцій та подальшою артикуляцією цього процесу для інших, щоб повторити. Спроможність не тільки зрозуміти, але й комунікувати складні інструкції є свідченням розвинених когнітивних функцій, які залишилися, до цього часу, особливістю людського інтелекту.

Прорив команди UNIGE виходить за рамки простого виконання завдань і досягає рівня людської мови. Це включає модель ШІ, здатну засвоювати інструкції, виконувати описані завдання та потім розмовляти з “сестринською” ШІ, щоб передати процес у лінгвістичній формі, дозволяючи повторити його. Це відкриття відкриває безпрецедентні можливості в ШІ, особливо в сфері взаємодії людини та ШІ та робототехніки, де ефективна комунікація є важливою.

Виклик реплікації людських когнітивних здібностей в ШІ

Людські когнітивні здібності демонструють видатну здатність до вивчення та комунікації складних завдань. Ці здібності, глибоко вкорінені в наших нейрокогнітивних системах, дозволяють нам швидко зрозуміти інструкції та передати наше розуміння іншим у чіткій формі. Реплікація цього складного взаємозв’язку між вивченням та лінгвістичною експресією в ШІ була суттєвою проблемою. На відміну від людей, традиційні ШІ-системи вимагали великого тренування на конкретних завданнях, часто покладаючись на великі набори даних та ітеративне навчання з підкріпленням. Спроможність ШІ інтуїтивно зрозуміти завдання з мінімальних інструкцій та потім артикувати своє розуміння залишилася недосяжною.

Ця прогалина в можливостях ШІ підкреслює обмеження існуючих моделей. Більшість ШІ-систем працюють у межах своїх програмованих алгоритмів та наборів даних, не маючи можливості екстраполювати або робити висновки за межами свого тренування. Таким чином, потенціал ШІ адаптуватися до нових сценаріїв або комунікувати інсайти у людській формі значно обмежений.

Дослідження UNIGE представляє суттєвий крок у подоланні цих обмежень. Розробивши модель ШІ, яка не тільки виконує завдання на основі інструкцій, але й комунікує ці завдання іншій ШІ-ентіті, команда UNIGE продемонструвала критичний прогрес у когнітивних та лінгвістичних здібностях ШІ. Це відкриття свідчить про майбутнє, де ШІ зможе більш тісно імітувати людське вивчення та комунікацію, відкриваючи двері до застосунків, які вимагають такої динамічної інтерактивності та адаптивності.

Замощення прогалини з допомогою обробки природної мови

Обробка природної мови (ОПМ) стоїть на передовій у замощенні прогалини між людською мовою та розумінням ШІ. ОПМ дозволяє машинам зрозуміти, інтерпретувати та відповісти на людську мову значимим чином. Ця підгалузь ШІ зосереджується на взаємодії між комп’ютерами та людьми за допомогою природної мови, спрямованої на читання, розшифрування та надання сенсу людських мов у цінному вигляді.

Підосновою ОПМ лежить її здатність обробляти та аналізувати великі обсяги даних природної мови. Цей аналіз не обмежується розумінням слів у буквальному сенсі, а поширюється на розуміння контексту, сентименту та навіть імпліцитних нюансів у мові. Використовуючи ОПМ, ШІ-системи можуть виконувати ряд завдань, від перекладу та аналізу сентименту до більш складних взаємодій, таких як агенти розмови.

Центральним у цьому прогресі ОПМ є розвиток штучних нейронних мереж, які черпають натхнення з біологічних нейронів у людському мозку. Ці мережі імітують спосіб, у який людські нейрони передають електричні сигнали, обробляючи інформацію через взаємопов’язані вузли. Ця архітектура дозволяє нейронним мережам навчатися з вхідних даних та покращуватися з часом, подібно до того, як людський мозок вчиться з досвіду.

Зв’язок між цими штучними нейронними мережами та біологічними нейронами є ключовим компонентом у розвитку лінгвістичних здібностей ШІ. Моделюючи нейронні процеси, залучені до людського мовного розуміння та виробництва, дослідники ШІ закладуть основу для систем, які можуть обробляти мову так, як це роблять людські когнітивні функції. Дослідження UNIGE є прикладом цього підходу, використовуючи вдосконалені моделі нейронних мереж для симуляції та реплікації складного взаємозв’язку між мовним розумінням та виконанням завдань, властивим людському когнітивному процесу.

Підхід UNIGE до комунікації ШІ

Команда Женевського університету мала на меті створити штучну нейронну мережу, яка б імітувала людські когнітивні здібності. Ключем було розробити систему, яка не тільки могла б зрозуміти мову, але й використовувати її для передачі вивчених завдань. Їхній підхід почався з існуючої моделі штучного нейрону, S-Bert, відомої своєю здатністю до мовного розуміння.

Стратегія команди UNIGE полягала у підключенні S-Bert, який складається з 300 мільйонів нейронів, попередньо тренованих у мовному розумінні, до меншої, простішої нейронної мережі. Ця менша мережа була призначена для реплікації конкретних областей людського мозку, залучених до мовної обробки та виробництва – зони Верніке та зони Брока відповідно. Зона Верніке в мозку є важливою для мовного розуміння, тоді як зона Брока відіграє ключову роль у виробництві мови та мовній обробці.

Об’єднання цих двох мереж мало на меті імітувати складну взаємодію між цими двома областями мозку. Спочатку об’єднана мережа була тренована для симуляції зони Верніке, вдосконалюючи свою здатність сприймати та інтерпретувати мову. Надалі вона пройшла тренування для реплікації функцій зони Брока, дозволяючи виробляти та артикувати мову. Вражаюче, що весь цей процес проводився за допомогою звичайних ноутбуків, демонструючи доступність та масштабованість моделі.

Експеримент та його наслідки

Експеримент полягав у подачі письмових інструкцій англійською мовою ШІ, який потім мав виконати вказані завдання. Ці завдання варіювалися за складністю, від простих дій, таких як вказівка на місце у відповідь на стимул, до більш складних, таких як розрізнення та реакція на тонкі контрасти візуальних стимулів.

Модель симулювала намір руху або вказівки, імітуючи людські реакції на ці завдання. Видатно, що після освоєння цих завдань ШІ була здатна лінгвістично описати їх другій мережі, дублікат першої. Ця друга мережа, отримавши інструкції, успішно повторила завдання.

Це досягнення позначає перший випадок, коли дві ШІ-системи комунікували одна з одною чисто через мову, віхою в розвитку ШІ. Спроможність однієї ШІ інструктувати іншу у виконанні завдань через лінгвістичну комунікацію відкриває нові горизонти у взаємодії та співробітництві ШІ.

Наслідки цього відкриття виходять за рамки академічного інтересу, обіцяючи суттєві досягнення у галузях, які залежать від складної комунікації ШІ, таких як робототехніка та автоматизовані системи.

Перспективи для робототехніки та далі

Це інновація суттєво впливає на галузь робототехніки та поширюється на різні інші сектори. Потенційні застосування цієї технології в робототехніці особливо перспективні. Гуманоїдні роботи, оснащені цими вдосконаленими нейронними мережами, могли б зрозуміти та виконати складні інструкції, підвищуючи їх функціональність та автономію. Ця здатність є критичною для роботів, призначених для завдань, які вимагають адаптивності та навчання, таких як у сфері охорони здоров’я, виробництва та особистої допомоги.

Крім того, наслідки цієї технології виходять за рамки робототехніки. У секторах, таких як сервіс клієнтів, освіта та охорона здоров’я, ШІ-системи з покращеними здібностями комунікації та навчання могли б пропонувати більш персоналізовані та ефективні послуги. Розробка більш складних мереж, заснованих на моделі UNIGE, відкриває можливості для створення ШІ-систем, які не тільки розуміють людську мову, але й взаємодіють способом, який імітує людські когнітивні процеси, ведучи до більш природних та інтуїтивних взаємодій з користувачами.

Цей прогрес у комунікації ШІ свідчить про майбутнє, де прогалина між людським та машинним інтелектом звужується, ведучи до досягнень, які могли б переозначити нашу взаємодію з технологіями. Дослідження UNIGE, таким чином, є не тільки свідченням еволюційних можливостей ШІ, але й маяком для майбутніх досліджень у сфері штучного когнітивного процесу та комунікації.