Исследователи из Нью-Йоркского университета и Помпеу Фабра разработали метод, позволяющий улучшить способность инструментов искусственного интеллекта делать обобщения на основе того, чему они его учат.
Способность людей схватывать концепцию и применять ее для других целей — одно из главных проявлений уникальности человеческого интеллекта. Интегрировать конкретное учение, а затем уметь обобщать его для использования в различных условиях. В 1980-х годах группа философов и ученых-когнитивистов отметила, что человеческие способности являются непреодолимым барьером для искусственного интеллекта (ИИ); искусственные нейронные сети – двигатели, которые управляют искусственным интеллектом и машинным обучением – возможно, не смогут установить эти связи.
В последние десятилетия ученые разработали направления исследований, чтобы проверить эти ограничения и включить возможность делать «композиционные обобщения» к новым технологиям. На этой неделе исследователи из Нью-Йоркского университета (NYU) и Университета Помпеу Фабра в Барселоне описали одну из таких строк в журнале Nature . Этот подход, получивший название «Метаобучение для композиционности» (MLC), превосходит существующие, по мнению его авторов , с результатами, аналогичными — а в некоторых случаях и превосходящими — человеческим результатам.
Этот метод фокусируется на обучении искусственных нейронных сетей — систем, лежащих в основе многих современных технологий, например, связанных с распознаванием речи и обработкой естественного языка. Нейронные сети обучены улучшать композиционное обобщение посредством практики и постоянного обновления.
Некоторые из разработчиков нынешних систем искусственного интеллекта предположили, что способность к обобщению может возникнуть спонтанно при использовании стандартных методов обучения, в то время как другие пытались разработать конкретные архитектуры для приобретения этих способностей.
Авторы исследования в журнале Nature отмечают, что MLC демонстрирует, что явная практика этих навыков позволяет этим системам раскрыть новые способности. «В течение 35 лет исследователи в области когнитивной науки, искусственного интеллекта, лингвистики и философии спорили, могут ли нейронные сети достичь систематического обобщения, подобного человеческому», — объясняет Бренден Лейк, один из авторов работы, профессор Центра науки о данных и факультет психологии Нью-Йоркского университета. «Мы впервые показали, что универсальная нейронная сеть может имитировать или превосходить человеческое систематическое обобщение при прямом сравнении».
ИННОВАЦИОННЫЕ ИССЛЕДОВАНИЯ
Чтобы проверить эффективность метода, Лейк и Марко Барони, исследователь Каталонского института исследований и исследований аванчатса и профессор кафедры перевода и языковых наук Университета Помпеу Фабра, провели серию экспериментов, в которых участвовали люди и MLC выполнял идентичные задачи. Однако вместо того, чтобы изучать значение реальных слов – терминов, которые люди, возможно, уже знают – участникам и ИИ пришлось изучать значение терминов, созданных исследователями, и применять их так, как они их разработали.
Показатели ИИ в тестировании в целом были такими же хорошими, как и у людей, а в некоторых тестах даже лучше. И обе группы превзошли ChatGPT и GPT-4. «Это гениальная статья в сравнении прогнозирующей способности генеративных нейронных сетей с способностью человека», — анализирует Теодоро Калонге, профессор кафедры компьютерных наук Университета Вальядолида, в заявлении для Научного медиа-центра Испании (SMC). . «Для этого они разработали серию тестов, основанных на психологии интеллекта».
Однако Калонж отмечает, что это первая работа, и еще слишком рано предсказывать путь, по которому может пойти этот новый метод связи понятий. «Я не могу сказать, принесет ли это направление исследований большие успехи в краткосрочной или среднесрочной перспективе», — поясняет он. «Конечно, я не верю, что оно даст ответы на вопросы, которые сейчас поднимаются в области "объяснимости искусственного интеллекта" и, в частности, в области искусственного интеллекта и медицины, где основной вопрос подозрение».
