A Meta mesterséges intelligencia csapata az emberi intelligencia trükkjét kutatja
Annak ellenére, hogy a mesterséges intelligencia az elmúlt években hatalmas fejlődésen ment keresztül, különösen a beszéd- és képfeldolgozás terén, az ilyen rendszerek tanulási folyamata messze van az emberi hatékonyságtól.
A nagy nyelvi modellek gigantikus mennyiségű adatot dolgoznak fel a nyelvtanuláshoz. Minél több az adat, annál jobb: a nyelvi modelleket több milliárd mondattal képzik, amíg többé-kevésbé el nem sajátítanak egy nyelvet. Az embereknek nagyjából néhány millió is elég.
"Az emberek és különösen a gyerekek rendkívül hatékonyan sajátítják el a nyelvet. Gyorsan és viszonylag kis adatmennyiséggel tanulják meg. Ehhez olyan képességre van szükség, amely jelenleg még ismeretlen" - mondta Jean-Rémi-King, a Meta AI vezető mesterséges intelligencia kutatója.
Annak ellenére, hogy óriási mennyiségű adatot használnak fel a képzéshez, a mesterséges intelligencia alapú rendszereknek jelentős hiányosságaik vannak a következetesség és a logika terén, amikor hosszabb szövegeket, akár egész történeteket generálnak. Ennek oka, hogy az MI általában csak a következő szót jósolja meg, az emberek viszont az egyes szavak alapján terveznek ötleteket, cselekvéseket és egész beszéléseket.
A Meta kutatói ezért egy hosszú távú tanulmányban szeretnék összehasonlítani a neuronhálózatok aktivációit az emberi agy aktivációival a természetes nyelv feldolgozása során. Azt remélik ettől, hogy többet tudhatnak meg az agy és a mesterséges intelligencia modell közötti előrejelzési különbségekről.
Az emberi agy mintájára képezhetik ki a mesterséges intelligenciát a Metánál
A Meta mesterséges intelligenciával foglalkozó csoportja nemrég beszámolt a kezdeti eredményekről. A vizsgálatok során beszélgetést hallgató emberek agyi aktivitásait vizsgálták 345 fMRI, azaz funkcionális mágneses rezonanciavizsgálat felvétel alapján, majd ezt összevetették az ugyanezt az elbeszélést bemenetként kapó nyelvi modellek neurális aktivációjával.
A szakemberek megállapításai szerint az agyi aktivitással jobban összehasonlítható nyelvi modellek különösen jól jelezték előre az új szavakat kontextus alapján (például: "egyszer volt, hol nem volt..."). Számukra ez a bemenet-alapú előrejelzés az önfelügyelt tanulás lényege, és ez lehet a kulcsa az emberi nyelv megértésének.
"Eredményeink azt mutatják, hogy bizonyos agyi régiók, például a prefrontális és a parietális agykérgek, a jövőbeni távoli szavak mély reprezentációival feljavított nyelvi modellekkel tudnak a legjobban fejlődni" - írta a Meta AI csapata.
Ezek a kezdeti eredmények rávilágítanának az emberi agy számítási szervezetére és annak eredendően előrejelző természetére, megnyitva az utat a jobb MI-modellek előtt.
Mégis, az emberi előrejelzés messze túlmutat a mesterséges intelligencia nyelvi modelljein, és az emberi agy működésének számos része továbbra is tisztázatlan. Az eddigi kutatások azonban megmutatták, hogy vannak számszerűsíthető hasonlóságok az agyak és a mesterséges intelligencia modellek között, amelyekből következtetéseket lehet levonni az emberi agy működésére vonatkozóan.
"A mélytanulási eszközök lehetővé tették, hogy az agy hierarchiáját olyan módon tárjuk fel, ami korábban nem volt lehetséges" - fogalmazott a csapat. Ez még az idegtudomány terén is új lehetőségeket teremthet.
Az emberi agy hosszú távú vizsgálata a Meta szerint része annak a törekvésnek, hogy emberi szintű mesterséges intelligenciát hozzanak létre. A Meta AI vezetője, Yann LeCun a közelmúltban osztotta meg a jövő MI-architektúrájáról alkotott elképzelését, amelyet szintén az emberi agy mintájára alakítottak ki.
V.V.
