Հիմնական տանողներ
- Համակարգչային սարքավորման նոր տեսակը կարող է արհեստական ինտելեկտին թույլ տալ շարունակաբար սովորել մարդու ուղեղի նման:
- Պրդյուի համալսարանի հետազոտողները ասում են, որ իրենց սարքը կարող է վերածրագրավորվել ըստ պահանջի էլեկտրական իմպուլսների միջոցով:
- Չնայած AI համակարգը, որն ինքնին ամբողջությամբ սովորում է, դեռևս հիմնականում հայեցակարգ է, կան բազմաթիվ օրինակներ, որոնք մոտենում են:
Արհեստական ինտելեկտը (AI) շուտով կարող է խթանել նոր տեսակի համակարգչային չիպերը, որոնք ոգեշնչված են մարդու ուղեղից:
Պրդյուի համալսարանի հետազոտողները կառուցել են նոր սարքաշար, որը կարող է վերածրագրավորվել ըստ պահանջի էլեկտրական իմպուլսների միջոցով: Թիմը պնդում է, որ այս հարմարվողականությունը թույլ կտա սարքին ստանձնել բոլոր անհրաժեշտ գործառույթները՝ ուղեղից ներշնչված համակարգիչ կառուցելու համար: Դա AI համակարգեր ստեղծելու շարունակական ջանքերի մի մասն է, որոնք կարող են անընդհատ սովորել:
«Երբ AI համակարգերը անընդհատ սովորում են շրջակա միջավայրում, նրանք կարող են հարմարվել աշխարհին, որը ժամանակի ընթացքում փոխվում է»,- Lifewire-ին տված հարցազրույցում ասել է Սթիվենսի տեխնոլոգիական ինստիտուտի AI փորձագետ Ջորդան Սուչոուն: «Մենք դա տեսնում ենք, օրինակ, երբ խարդախության հայտնաբերման համակարգը ընտրում է խարդախ գնումների նախկինում չնկատված օրինակ կամ երբ դեմքի ճանաչման համակարգը հանդիպում է այնպիսի մարդու, որը նախկինում երբեք չի տեսել»:
ցմահ սովորողներ
Պերդյուի հետազոտողները վերջերս հրապարակեցին հոդվածը Science ամսագրում: Այն նկարագրում է, թե ինչպես համակարգչային չիպերը կարող են դինամիկ կերպով լարել իրենց՝ նոր տվյալներ ընդունելու համար, ինչպես դա անում է ուղեղը: Մոտեցումը կարող է օգնել AI-ին շարունակել սովորել ժամանակի ընթացքում:
«Կենդանի էակների ուղեղը կարող է շարունակաբար սովորել իրենց ողջ կյանքի ընթացքում: Այժմ մենք ստեղծել ենք արհեստական հարթակ, որպեսզի մեքենաները սովորեն իրենց ողջ կյանքի ընթացքում», - ասում է թերթի հեղինակներից մեկը՝ Շրիրամ Ռամանաթանը, լրատվական թողարկման մեջ:
Ռամանաթանի թիմի ստեղծած սարքավորումը փոքր, ուղղանկյուն սարք է, որը պատրաստված է պերովսկիտ նիկելատ կոչվող նյութից, որը շատ զգայուն է ջրածնի նկատմամբ: Էլեկտրական իմպուլսների կիրառումը տարբեր լարումների վրա թույլ է տալիս սարքին խառնել ջրածնի իոնների կոնցենտրացիան նանվայրկյանների ընթացքում՝ ստեղծելով վիճակներ, որոնք հետազոտողները հայտնաբերել են, որ կարող են գծագրվել ուղեղի համապատասխան գործառույթներին::
Երբ սարքը, օրինակ, իր կենտրոնի մոտ ավելի շատ ջրածին ունի, այն կարող է գործել որպես նեյրոն՝ մեկ նյարդային բջիջ: Այդ վայրում ավելի քիչ ջրածնի առկայությամբ սարքը ծառայում է որպես սինապս՝ նեյրոնների միջև կապ, ինչը ուղեղն օգտագործում է հիշողությունը բարդ նյարդային շղթաներում պահելու համար։
«Եթե մենք ցանկանում ենք կառուցել համակարգիչ կամ մեքենա, որը ներշնչված է ուղեղով, ապա համապատասխանաբար, մենք ցանկանում ենք շարունակաբար ծրագրավորել, վերածրագրավորել և փոխել չիպը», - ասաց Ռամանաթանը::
Մտածողության մեքենաներ?
Բազմաթիվ ժամանակակից AI համակարգեր հարմարվում են նոր տեղեկատվությանը, երբ վերապատրաստվում են, ասաց Դեյվիդ Կանթերը, MLCommons-ի գործադիր տնօրենը, որը բաց ինժեներական կոնսորցիում է, որը նվիրված է մեքենայական ուսուցման բարելավմանը::
«Աշխարհն ի սկզբանե դինամիկ վայր է, և, ի վերջո, մեքենայական ուսուցումը և AI-ն պետք է հարմարվեն դրան», - ասաց Կանթերը: «Օրինակ, 2022-ին խոսքի ճանաչման համակարգը, որը «չգիտի» COVID-19-ի կամ կորոնավիրուսների մասին, կբացակայի ժամանակակից աշխարհի մի մեծ ասպեկտից: Նմանապես, ինքնավար մեքենան պետք է հարմարվի փողոցների, կամուրջների փակմանը կամ փոփոխություններին: նույնիսկ ցածր ջերմաստիճանը ճանապարհը դարձնում է մերկասառույց»:
Չնայած AI համակարգը, որն ինքնին ամբողջությամբ սովորում է, դեռևս հիմնականում հայեցակարգ է, շատ օրինակներ մոտ են, ասել է Fusemachines AI ընկերության գործադիր տնօրեն Sameer Maskey-ը էլեկտրոնային հարցազրույցում:Ինքնուսուցման այս համակարգերից մեկը նորություն ստացավ, երբ AI համակարգը հաղթեց մարդուն Go խաղի ժամանակ:
«AlphaGo-ն DeepMind-ի առաջին AI-ն էր, որը հաղթեց պրոֆեսիոնալ Go խաղացողին», - ավելացրեց Մասքին: «Նրանց խաղերի ֆրանչայզները դարձել են ոտնահետքեր՝ յուրաքանչյուր նոր հավելման հետ, որն առաջընթաց է գրանցում դեպի AI, որը շարունակում է սովորել»:
Ապագայի AI համակարգերը կփնտրեն այն տեղեկատվությունը, որն անհրաժեշտ է լավ որոշումներ կայացնելու և համապատասխան գործողություններ ձեռնարկելու համար, կանխատեսել է Suchow-ը: Այս առաջադեմ համակարգիչները կխուսափեն թանկարժեք սխալներից՝ սովորելով փորձի իրենց սեփական սիմուլյացիաներից, օրինակ՝ «ինքնախաղի» միջոցով, որտեղ AI-ն պատկերացնում է իր կրկնօրինակների հետ ունեցած փոխազդեցության արդյունքները::
«Սա նման է այն բանին, թե ինչպես մարդիկ կարող են սովորել երևակայության միջոցով՝ կանխատեսելով վատ արդյունք՝ առանց ուղղակիորեն զգալու անհրաժեշտության», - ավելացրեց Սուչովը: «AI համակարգերը կսովորեն սովորելու ավելի արդյունավետ ռազմավարություններ, այնպես, ինչպես ուսանողը կարող է ուղղել իր ժամանակը և ուշադրությունը ոչ միայն իր ուսումնասիրածի բովանդակային բովանդակությանը, այլև հենց ուսման գործընթացին:«
