Naučnici stvorili AI modele koji međusobno komuniciraju i prenose veštine

Foto: Shutterstock.com

U najnovijem istraživanju objavljenom 18. marta u prestižnom časopisu Nature, naučnici su predstavili revolucionarni napredak u polju veštačke inteligencije. Modelovana je mreža veštačke inteligencije sposobna za učenje i izvršavanje zadataka na osnovu pisanih uputstava, koja svoja saznanja može preneti "sestrinskom" AI sistemu. Ova inovacija otvara put ka novim dimenzijama međusobne komunikacije AI sistema i prenosa znanja sa ograničenim ljudskim intervencijama.

Istraživački tim predvođen Aleksandrom Pugeom, liderom Neurocentra Univerziteta u Ženevi, uspeo je da razvije AI mrežu koja koristi obradu prirodnog jezika (NLP) za komunikaciju i prenos veština između dva AI sistema. NLP, kao podoblast veštačke inteligencije, bavi se stvaranjem mašinskih sistema sposobnih za razumevanje i generisanje ljudskog jezika, a temelji se na neuralnim mrežama inspirisanim strukturom ljudskog mozga.

Inovativni pristup istraživačkog tima uključuje korišćenje modela NLP-a nazvanog "S-Bert", koji je unapred obučen da razume ljudski jezik. Ovaj model povezan je sa manjom neuralnom mrežom fokusiranom na interpretaciju senzorskih ulaza i simulaciju motornih akcija kao odgovora na te ulaze.

AI sistem, nazvan "senzorimotoričko-rekurentna neuralna mreža (RNN)", obučen je na setu od 50 psihofizičkih zadataka, koji su uključivali reakciju na stimuluse poput reagovanja na svetlost, koristeći uputstva prenesena preko S-Bert jezičkog modela. Zahvaljujući integraciji jezičkog modela, RNN je uspeo da razume i izvršava zadatke na osnovu pisanih uputstava sa tačnošću od 83%, bez prethodnog iskustva ili treninga.

Ovakav način rada omogućio je da RNN prenese rezultate svog senzorimotornog učenja drugom, identičnom AI sistemu koristeći lingvističke instrukcije, čime je "sestrinski" sistem mogao da izvršava zadatke bez prethodnog obučavanja.

Inspiracija za ovakav pristup potiče iz sposobnosti ljudi da uče i izvršavaju zadatke na osnovu verbalnih ili pisanih uputstava, čime se ljudi razlikuju od životinja. I dok postojeći AI sistemi mogu tumačiti lingvističke uputstva za generisanje slike ili teksta, prevođenje pisanih ili verbalnih uputstava u fizičke akcije i objašnjavanje tih uputstava drugom AI sistemu predstavljalo je do sada nedostižnu granicu.

Istraživači naglašavaju da ovakav razvoj ne vodi direktno stvaranju opšte veštačke inteligencije (AGI), koja bi mogla rezonovati i izvršavati zadatke na sličan način kao ljudi u više oblasti, ali pruža dragocene uvide u razumevanje kako ljudski mozak funkcioniše. Osim toga, postavlja temelje za buduće aplikacije u kojima bi roboti sa ugrađenom AI tehnologijom mogli međusobno da komuniciraju, uče i izvršavaju zadatke. Ovaj pristup posebno dolazi do izražaja u industrijskim aplikacijama, gde bi jedan robot, nakon što primi početne instrukcije, mogao efikasno da prenosi znanje drugim robotima, čime se ubrzava i pojednostavljuje proces obuke u automatizovanim industrijama.

"Razvijena mreža je još uvek vrlo mala, ali ništa ne sprečava razvoj znatno kompleksnijih mreža koje bi se integrisale u humanoidne robote sposobne ne samo da nas razumeju već i da međusobno komuniciraju", izjavili su istraživači. Ovakav napredak u veštačkoj inteligenciji nagoveštava fascinantnu budućnost u kojoj bi mašine mogle učiti jedna od druge na načine koji do sada nisu bili mogući, otvarajući nove horizonte u razvoju tehnologija, prenosi Live Science.

Pored praktičnih aplikacija, ovakva istraživanja mogu doprineti dubljem razumevanju ljudskog procesa učenja i komunikacije, kao i unapređenju tehnologija veštačke inteligencije da na efikasniji način repliciraju ljudske sposobnosti. Kako tehnologija napreduje, možemo očekivati još inovacija koje će oblikovati budućnost saradnje između ljudi i mašina.

(Telegraf.rs)