AI „зубъри“ срещу самостоятелно мислещи програми и за връзката им с човешкия мозък

Юлиян Арнаудов Последна промяна на 17 август 2022 в 14:52 2981 0

AI Brain

Снимка Freepik

AI Brain

Изкуствените интелекти (AI) изминаха доста път – от отличници в шаха през 90-те години, до професионални геймъри в сложни стратегически видеоигри или творци на дигитално изкуство. Един аспект в еволюцията на алгоритмите за последните години обаче остава непроменен – начинът на тяхното обучение. Тук има няколко подхода, като нас ни интересува този на самообучаващите се програми. При тях, алгоритмите са заредени с огромни бази данни, чрез които те изпълняват зададената им програма. Свършването на тази работа понякога им коства милиони опити, докато разберат най-правилният и ефективен подход.

AI може да използва за обучение, както структурирани, така и неструктурирани бази с данни. Тоест, информацията може да е подредена логически или не. Едно нещо обаче остава константно – етикетите или познати повече като тагове. Това са ключови думи, които се използват за описание на съответната информация. Снимка на котка, може да бъде описано като „черна“ и „котка“. Друга на бенгалски тигър – „бенгалски“ и „тигър“.

Според някои разработчици на AI тази стратегия е една от причините за успеха на алгоритмите за последните години, но и потенциален огромен недостатък. Тяхното мнение е, че се създават програми „зубъри“, а не мислещи такива. Причината е, че с подобна помощ, алгоритмите използват вратички за по-бързо учене наизуст. Докато хората и животните по-лесно създават представа за заобикалящата ги среда, като я изучават сами. Така се развиват различни елементи на мозъка, както и по-комплексно мислене. Някои учени експериментират с алгоритми, които се обучават с минимално количество или напълно без тези етикети. Резултатите за момента са обещаващи. Особено за тези, които се опитват да намерят връзката между изкуствения и органичния (животински и човешки) интелект. Част от тях са описани напоително в статия в списание Quanta.

Проблемът на старите модели

Алгоритмите обучавани почти или напълно без етикети се оказват по-ефективни в моделирането на сложни системи, като човешкия език и разпознаването на образи. Освен това, начинът им на функциониране започва да наподобява доста повече органичния интелект на животните и хората. Това позволява на хората да разберат и до известна степен как нашите мозъци функционират – една друга сфера с доста неизвестни.

Първите експерименти с невронни мрежи, които се опитват да имитират работата на нашето сиво вещество се появяват преди около 10 години. Една от тях е AlexNet, която постави революция в разпознаването на снимки. При нея, алгоритъмът непрекъснато се обновява на база натрупаното познание и се опитва да намали грешките до минимум. Тази система обаче разчита на етикети, за да самообучи.

През 2017 г. на подобна програма е представена снимка на първия серийно произвеждан автомобил в историята – Ford Model T. Но с уловка – върху него е насложена козина на леопард. Системата успява да класифицира оригиналната снимка като автомобил Ford Model T. Но модифицираната я разпознава, като леопард. С други думи, алгоритъмът „зубри“ информацията и когато му е представена необикновена комбинация той просто се фиксира върху определен доминиращ компонент, а не търси по-широк контекст.

Да мислиш самостоятелно

Учените са на мнение, че програми, които се обучават напълно самостоятелно ще избегнат този проблем. Поставянето на етикети се заменя с други начини за извличането на необходимата информация. Например, на алгоритмите им е поставена дадена задача и те трябва да запълнят празното място в даден текст. Вместо, да използват помощните етикети, те ще трябва да потърсят възможно най-логичния избор от по-голям масив от данни. По този начин, програмите се обучават сами. Уловката е, че се изискват наистина огромни масиви от данни, за да се постигнат най-добри резултати.

През 2021 г. Кайминг Хе и неговите колеги създават софтуер, който е съставен от две части – едната закрива две трети от дадена картинка и втора, която има за цел да я пресъздаде след това, на базата на останалото от нея. Комуникацията между двете системи работи непрекъснато – втората система се опитва да възстанови изображението, а първата ѝ дава обратна връзка за точността и за оригинала. След определено самообучение е постигнат резултат от 80% прецизност на пресъздаването на изрязаната картинка. Според учените, така се постига по-дълбоко познание от страна на AI, а не просто зубрене на повторяеми модели с минимално количество контекст.

Като мозъка

Има друг ключов елемент, учените също така са убедени, че нашите мозъци използват на 90% този процес на работа. Те се обучават сами, на база опит, а не на празно познание. Според тях, много малка част от обратната връзка, която мозъка получава, е от външен източник и с надпис „грешен отговор“. Една от мистериите на животинския и човешкия мозък, например е работата му с нашето зрение. Защото реално се ползват два пътя – едият разпознава предмети и лица (вентрален), а другият се използва за обработка на движение (дорзален).

Учените решават да репликират този модел в самостоятелно обучаващ се алгоритъм. Те създават два AI. Единият използва единна система за разпознаване на обекти и движение, докато при втория, те са разделени в отделни. Резултатите са интересни – първият алгоритъм се справя отлично, но само в едната поставена задача. Вторият с разделените системи, преодолява това препятствие и разпознава еднакво добре обекти и движение.

Доза скептицизъм

Не всички учени обаче споделят горната визия в превъзходството на самостоятелно обучаващите се системи и тяхното сходство с нашите мозъци. Джош Макдермо от Техническия университет в Масачузец например е създал AI модели за аудио и визуално разпознаване. Те са обучени по двата начина – чрез външна помощ и без. След което създава специални файлове „метамърс“. Това са изкуствени синтезирани сигнали, които са хаотични за човешкия мозък. Но не и за алгоритмите, които ги бъркат с други истински такива.

Експериментът на Макдермо показва, че AI системите може да доближат работата на човешкия мозък в някои отношения. Но нашето „сиво“ вещество е доста по-сложно устроено все още от тях. Според него, разбирането на работата на мозъка ще отнеме доста повече от самостоятелно обучаващи се алгоритми. Причината според Макдермо е, че органичните „компютри“ разполагат с много системи и получават непрекъснато разнородна информация, която обработват. Това изгражда пълна обратна връзка със заобикалящата ги среда. Създаването на подобна дигитална системи ще е много труден процес. Макар да сме все още далеч от разбирането и репликирането на нашите мозъци, подобни AI системи могат да решат редица проблеми и да задвижат напред автоматизацията на определени задачи.

За писането на коментар е необходима регистрация.
Моля, регистрирайте се от TУК!
Ако вече имате регистрация, натиснете ТУК!

Няма коментари към тази новина !