Βασικά Takeaways
- Ένα νέο είδος υλικού υπολογιστή θα μπορούσε να επιτρέψει στην τεχνητή νοημοσύνη να μαθαίνει συνεχώς όπως ο ανθρώπινος εγκέφαλος.
- Ερευνητές στο Πανεπιστήμιο Purdue λένε ότι η συσκευή τους μπορεί να επαναπρογραμματιστεί κατ' απαίτηση μέσω ηλεκτρικών παλμών.
- Αν και ένα σύστημα τεχνητής νοημοσύνης που μαθαίνει εντελώς από μόνο του εξακολουθεί να είναι κυρίως μια έννοια, υπάρχουν πολλά παραδείγματα που πλησιάζουν.
Η τεχνητή νοημοσύνη (AI) θα μπορούσε σύντομα να ενισχυθεί από έναν νέο τύπο τσιπ υπολογιστών εμπνευσμένων από τον ανθρώπινο εγκέφαλο.
Ερευνητές στο Πανεπιστήμιο Purdue κατασκεύασαν ένα νέο κομμάτι υλικού που μπορεί να επαναπρογραμματιστεί κατόπιν ζήτησης μέσω ηλεκτρικών παλμών. Η ομάδα ισχυρίζεται ότι αυτή η προσαρμοστικότητα θα επέτρεπε στη συσκευή να αναλάβει όλες τις απαραίτητες λειτουργίες για την κατασκευή ενός υπολογιστή εμπνευσμένου από τον εγκέφαλο. Αποτελεί μέρος μιας συνεχούς προσπάθειας για τη δημιουργία συστημάτων τεχνητής νοημοσύνης που μπορούν να μαθαίνουν συνεχώς.
"Όταν τα συστήματα τεχνητής νοημοσύνης μαθαίνουν συνεχώς στο περιβάλλον, μπορούν να προσαρμοστούν σε έναν κόσμο που αλλάζει με την πάροδο του χρόνου", είπε ο ειδικός τεχνητής νοημοσύνης του Ινστιτούτου Τεχνολογίας Stevens, Jordan Suchow, σε μια συνέντευξη μέσω email στο Lifewire. "Το βλέπουμε αυτό, για παράδειγμα, όταν ένα σύστημα ανίχνευσης απάτης εντοπίζει ένα προηγουμένως απαρατήρητο μοτίβο δόλιων αγορών ή όταν ένα σύστημα αναγνώρισης προσώπου συναντά ένα άτομο που δεν έχει ξαναδεί."
Μαθητές δια βίου
Οι ερευνητές του Purdue δημοσίευσαν πρόσφατα την εργασία στο περιοδικό Science. Περιγράφει πώς τα τσιπ υπολογιστών θα μπορούσαν να επανασυνδεθούν δυναμικά για να λάβουν νέα δεδομένα με τον ίδιο τρόπο που κάνει ο εγκέφαλος. Η προσέγγιση θα μπορούσε να βοηθήσει την τεχνητή νοημοσύνη να συνεχίσει να μαθαίνει με την πάροδο του χρόνου.
"Ο εγκέφαλος των ζωντανών όντων μπορεί να μαθαίνει συνεχώς καθ' όλη τη διάρκεια της ζωής τους. Τώρα έχουμε δημιουργήσει μια τεχνητή πλατφόρμα για να μαθαίνουν οι μηχανές καθ' όλη τη διάρκεια της ζωής τους", δήλωσε ένας από τους συγγραφείς της εφημερίδας, ο Shriram Ramanathan, σε ένα δελτίο τύπου.
Το υλικό που επινόησε η ομάδα του Ramanathan είναι μια μικρή, ορθογώνια συσκευή κατασκευασμένη από ένα υλικό που ονομάζεται νικελικός περοβσκίτης, το οποίο είναι πολύ ευαίσθητο στο υδρογόνο. Η εφαρμογή ηλεκτρικών παλμών σε διαφορετικές τάσεις επιτρέπει στη συσκευή να ανακατεύει μια συγκέντρωση ιόντων υδρογόνου σε λίγα νανοδευτερόλεπτα, δημιουργώντας καταστάσεις που οι ερευνητές βρήκαν θα μπορούσαν να χαρτογραφηθούν σε αντίστοιχες λειτουργίες στον εγκέφαλο.
Όταν η συσκευή έχει περισσότερο υδρογόνο κοντά στο κέντρο της, για παράδειγμα, μπορεί να λειτουργήσει ως νευρώνας, ένα μεμονωμένο νευρικό κύτταρο. Με λιγότερο υδρογόνο σε αυτή τη θέση, η συσκευή χρησιμεύει ως σύναψη, μια σύνδεση μεταξύ νευρώνων, κάτι που χρησιμοποιεί ο εγκέφαλος για να αποθηκεύσει τη μνήμη σε πολύπλοκα νευρωνικά κυκλώματα.
"Αν θέλουμε να φτιάξουμε έναν υπολογιστή ή μια μηχανή που να είναι εμπνευσμένη από τον εγκέφαλο, τότε αντίστοιχα, θέλουμε να έχουμε τη δυνατότητα να προγραμματίζουμε, να επαναπρογραμματίζουμε και να αλλάζουμε συνεχώς το τσιπ", είπε ο Ramanathan.
Μηχανές σκέψης;
Πολλά σύγχρονα συστήματα τεχνητής νοημοσύνης προσαρμόζονται σε νέες πληροφορίες όταν επανεκπαιδεύονται, δήλωσε σε ένα μήνυμα ηλεκτρονικού ταχυδρομείου ο David Kanter, ο εκτελεστικός διευθυντής της MLCommons, μιας κοινοπραξίας ανοιχτής μηχανικής που είναι αφιερωμένη στη βελτίωση της μηχανικής μάθησης.
"Ο κόσμος είναι ένα εγγενώς δυναμικό μέρος και τελικά η μηχανική μάθηση και η τεχνητή νοημοσύνη πρέπει να προσαρμοστούν σε αυτό", είπε ο Kanter. «Για παράδειγμα, ένα σύστημα αναγνώρισης ομιλίας το 2022 που δεν «γνωρίζει» για τον COVID-19 ή τους κοροναϊούς θα έλειπε μια μεγάλη πτυχή του σύγχρονου κόσμου. Ομοίως, ένα αυτόνομο όχημα θα πρέπει να προσαρμοστεί στις αλλαγές στους δρόμους, στο κλείσιμο γεφυρών ή ακόμα και οι χαμηλές θερμοκρασίες κάνουν έναν δρόμο παγωμένο."
Αν και ένα σύστημα τεχνητής νοημοσύνης που μαθαίνει εντελώς από μόνο του εξακολουθεί να είναι ως επί το πλείστον έννοια, πολλά παραδείγματα πλησιάζουν, είπε ο Sameer Maskey, Διευθύνων Σύμβουλος της εταιρείας AI Fusemachines, σε μια συνέντευξη μέσω email. Ένα από αυτά τα συστήματα αυτομάθησης έκανε την είδηση όταν ένα σύστημα AI κέρδισε έναν άνθρωπο σε ένα παιχνίδι Go.
"Το AlphaGo ήταν το πρώτο AI του DeepMind που νίκησε έναν επαγγελματία παίκτη Go", πρόσθεσε ο Maskey. "Τα franchise παιχνιδιών τους έχουν γίνει σκαλοπάτι με κάθε νέα προσθήκη που υιοθετεί προόδους προς μια τεχνητή νοημοσύνη που συνεχίζει να μαθαίνει."
Τα συστήματα AI του μέλλοντος θα αναζητήσουν τις πληροφορίες που χρειάζονται για να λάβουν καλές αποφάσεις και να λάβουν τις κατάλληλες ενέργειες, προέβλεψε ο Suchow. Αυτοί οι προηγμένοι υπολογιστές θα αποφύγουν δαπανηρά λάθη μαθαίνοντας από τις δικές τους προσομοιώσεις εμπειρίας, για παράδειγμα, μέσω του "self-play", όπου το AI φαντάζεται τα αποτελέσματα των αλληλεπιδράσεων που έχει με αντίγραφα του εαυτού του.
"Αυτό είναι παρόμοιο με το πώς οι άνθρωποι μπορούν να μάθουν μέσω της φαντασίας, προβλέποντας ένα κακό αποτέλεσμα χωρίς να χρειάζεται να το βιώσουν άμεσα", πρόσθεσε ο Suchow. «Τα συστήματα AI θα μάθουν πιο αποτελεσματικές στρατηγικές μάθησης, με τον τρόπο που ένας μαθητής μπορεί να κατευθύνει τον χρόνο και την προσοχή του όχι μόνο στο ουσιαστικό περιεχόμενο αυτού που μελετά, αλλά και στην ίδια τη διαδικασία της μάθησης."
