Η Google ανέπτυξε πρόγραμμα τεχνητής νοημοσύνης που μαθαίνει… όπως ο άνθρωπος

13:48 15/3/2017 - Πηγή: altsantiri

Μπορεί η τεχνητή νοημοσύνη να μαθαίνει όπως ο άνθρωπος; Η Google αποδεικνύει ότι μπορεί. Η θυγατρική της, η βρετανική εταιρεία DeepMind, ανέπτυξε ένα πρόγραμμα τεχνητής νοημοσύνης που μπορεί να μαθαίνει με φυσικό τρόπο και να χρησιμοποιεί τις γνώσεις του για να λύνει προβλήματα.

Μάλιστα το νέο πρόγραμμα έχει πλέον ξεπεράσει προηγούμενες δυσκολίες, που ταλάνιζαν τη διαδικασία

μάθησης από τις μηχανές, όπως ανέφεραν οι ερευνητές που το ανέπτυξαν στη Guardian.

Ο απώτερος στόχος είναι να δημιουργηθούν μηχανήματα με γενική τεχνητή νοημοσύνη, που να αντικατοπτρίζουν την ανθρώπινη νοημοσύνη με απόλυτα φυσικό και ολοκληρωμένο τρόπο, κάτι που μέχρι σήμερα δεν έχει καταστεί εφικτό.

«Αν πρόκειται να έχουμε προγράμματα υπολογιστών που είναι πιο έξυπνα και πιο χρήσιμα, τότε θα πρέπει να διαθέτουν την ικανότητα να μαθαίνουν με διαδοχικό τρόπο» δήλωσε ο ερευνητής της DeepMind Τζέημς Κιρκπάτρικ.

Πώς άλλαξε ο τρόπος εκμάθησης της τεχνητής νοημοσύνης

Οι περισσότεροι υπολογιστές με τεχνητή νοημοσύνη βασίζονται στα λεγόμενα νευρωνικά δίκτυα, που π.χ. μαθαίνουν να παίζουν σκάκι ή πόκερ μέσω ατελείωτων δοκιμών ορθού-λάθους και στη συνέχεια για να μάθουν ένα άλλο παιχνίδι πρέπει προηγουμένως να σβήσουν ό,τι έχουν μάθει για τα προηγούμενα παιχνίδια (κάτι που ονομάζεται «καταστροφική λήθη»).

Σχέδιο της διαδικασίας εκμάθησης δύο εργασιών από τη νέα τεχνητή νοημοσύνη της DeepMind

Η νέα μελέτη κάνει ένα σημαντικό βήμα για να πάψουν οι υπολογιστές να ξεχνάνε τα χρήσιμα πράγματα που έμαθαν. Οι ερευνητές εμπνεύσθηκαν από τη νευροεπιστήμη, η οποία δείχνει ότι τα ζώα -και ο άνθρωπος- μαθαίνουν συνεχώς να διατηρούν στον εγκέφαλό τους εκείνες τις νευρωνικές συνδέσεις που αφορούν γνώσεις του παρελθόντος κρίσιμες για την επιβίωσή τους (π.χ. πώς να κρύβονται από τους θηρευτές ή πώς να βρίσκουν τροφή).

Κατά τον ίδιο τρόπο, η νέα μέθοδος μηχανικής μάθησης, προτού προχωρήσει στο επόμενο πρόβλημα, ξεχωρίζει ποιες συνδέσεις του νευρωνικού δικτύου του υπολογιστή είναι οι πιο σημαντικές για ό,τι έχει μάθει έως εκείνη τη στιγμή, προκειμένου αυτές να μην αλλάξουν ή σβηστούν, όταν προστεθούν οι νέες γνώσεις, με αποτέλεσμα να μπορεί να επαναχρησιμοποιήσει ό,τι έχει μάθει.

«Δείξαμε ότι (το πρόγραμμα) μπορεί να μάθει διαδοχικά να κάνει διαφορετικά πράγματα, αλλά δεν έχουμε δείξει ότι μπορεί να τα κάνει καλύτερα, επειδή τα έχει μάθει διαδοχικά. Συνεπώς υπάρχουν ακόμη περιθώρια βελτίωσης» δήλωσε ο Κιρκπάτρικ.

Αναγνώρισε πάντως ότι «απέχουμε ακόμη πραγματικά πολύ από μία γενική τεχνητή νοημοσύνη και είναι πολλές οι επιστημονικές προκλήσεις που πρέπει να ξεπερασθούν».

Η έρευνα δημοσιεύθηκε στο περιοδικό της Εθνικής Ακαδημίας Επιστημών των ΗΠΑ (PNAS).

Διαβάστε ολόκληρο το άρθρο >>

Keywords