Вона імітує мозок: учені навчили нейромережу думати "по-людськи"

нейромережа, ші, дівчина
Фото: Pixabay | Учені впевнені, що структура нейромережі до певної міри імітує устрій людського мозку, що робить її здатною до навчання

Нейронні мережі можуть навчатися "систематичної композиційності", ключової особливості людського мислення. Експеримент показав, що навчена модель із метанавчанням за композиційним принципом здатна досягати кращих результатів, ніж люди та інші моделі.

Related video

Нейронні мережі тепер можуть "думати" як людина. Це під час експериментальних досліджень виявили й підтвердили доцент Нью-Йоркського університету Бренден Лейк і співробітник Університету Помпеу Фабра (Іспанія) Марко Бароні, повідомляє медіа Live Science.

Учені продемонстрували, що система штучного інтелекту, яка називається нейронною мережею, може бути навчена "систематичної композиційності", яка є ключовою складовою людського інтелекту. З 1980-х років частина вчених-когнітологів стверджувала, що нейронні мережі, які є різновидом штучного інтелекту (ШІ), не є життєздатними моделями розуму, оскільки їхня архітектура не відображає ключову особливість людського мислення. Однак у результаті навчання нейронні мережі змогли набути цієї людиноподібної здатності, як показали Лейк і Бароні у своєму дослідженні.

"Наша робота припускає, що цей найважливіший аспект людського інтелекту може бути набутий шляхом тренування з використанням моделі, яку раніше вважали недостатньо ефективною", — сказав Бренден Лейк.

Він пояснив, що нейронні мережі певною мірою імітують структуру людського мозку, оскільки їхні вузли опрацювання інформації пов'язані один з одним, а опрацювання даних відбувається в ієрархічних шарах. Однак історично склалося так, що системи ШІ не поводилися так само як людський розум, оскільки їм не вистачало здатності комбінувати відомі поняття новими способами — здатність, яка називається "систематичною композиційністю". За словами вченого, якщо стандартна нейронна мережа заучує слова "стрибок", "двічі" і "по колу", то їй необхідно показати безліч прикладів того, як ці слова можна об'єднати в осмислені фрази, як-от "стрибок двічі" і "стрибок по колу". Якщо ж системі буде запропоновано нове слово, наприклад, "обертатися", то їй знову доведеться побачити безліч прикладів, щоб навчитися використовувати його аналогічним чином.

Важливо
Фабрики з казок: нейромережа згенерувала несподіваний дизайн оновлених АЕС (фото)
Фабрики з казок: нейромережа згенерувала несподіваний дизайн оновлених АЕС (фото)

Для чистоти свого експерименту Лейк і Бароні протестували як моделі ШІ, так і людей-добровольців, використовуючи вигадану мову зі словами "dax" і "wif". Цим словам відповідали або кольорові точки, або функція, яка у певний спосіб маніпулювала порядком розташування цих точок у послідовності. Отже, послідовність слів визначала порядок появи кольорових точок. Тож, отримавши безглузду фразу, ШІ й людина повинні були з'ясувати основні "правила граматики", що визначають, які точки відповідають словам.

Експеримент показав, що випробовувані приблизно у 80% випадків правильно визначали послідовність точок. У разі невдачі вони припускалися послідовних помилок, наприклад, думали, що слово являє собою одну крапку, а не функцію, яка перемішує всю послідовність точок.

Після тестування семи моделей ШІ Лейк і Бароні зупинилися на методі, названому метанавчанням за композиційним принципом (MLC), який дає змогу нейронній мережі практикуватися в застосуванні різних наборів правил до новонавчених слів, водночас даючи зворотний зв'язок про те, чи правильно вона застосовує ці правила. Нейронна мережа, навчена за допомогою MLC, за результатами цих тестів відповідала або перевершувала показники людини. А коли дослідники додали дані про типові помилки людей, модель штучного інтелекту стала припускатися тих самих помилок, що й люди.

Автори також порівняли MLC з двома моделями на основі нейронних мереж від компанії OpenAI, що створила ChatGPT, і виявили, що і MLC, і люди показали набагато кращі результати, ніж моделі OpenAI, у тесті на визначення точок. Крім того, MLC впорався з додатковими завданнями, які включали інтерпретацію письмових інструкцій і сенсу речень.

Однак здатність моделі до узагальнення все ж була обмежена. Вона могла працювати з тими типами речень, на яких була навчена, але не могла узагальнювати їх на нові типи речень. Але варто врахувати, що до цього часу вченим не вдавалося навчити нейромережу такого типу мислення.

Нагадаємо, на початку травня ми писали про те, що вчені розкрили таємницю ШІ. Дослідники стверджують, що розробники нейромереж надто хваляться "саморозвитком" ШІ, але насправді просто задають неправильні параметри.

Водночас у ЗМІ з'явилася інформація, що ШІ "замінить" топменеджерів, але "пощадить" роботяг. Згідно з дослідженням ВЕФ, чверть висококласних фахівців можуть бути замінені штучним інтелектом.