Tekoäly ei ehkä tarvitse valtavaa koulutusdataa | Hannah Robbins, Johns Hopkinsin yliopisto Yhteenveto: Uudet tutkimukset osoittavat, että tekoäly ei tarvitse loputonta koulutusdataa voidakseen toimia enemmän kuin ihmisaivot. Kun tutkijat suunnittelivat tekoälyjärjestelmiä muistuttamaan paremmin biologisia aivoja, jotkut mallit tuottivat aivojen kaltaista toimintaa ilman lainkaan koulutusta. Tämä haastaa nykyisen dataa himoitsevan lähestymistavan tekoälykehitykseen. Työ viittaa siihen, että älykkäämpi suunnittelu voisi merkittävästi nopeuttaa oppimista samalla kun se leikkaa kustannuksia ja energiankulutusta. --- Johns Hopkinsin yliopiston uusi tutkimus osoittaa, että tekoälyjärjestelmät, jotka on rakennettu biologiasta inspiroituneilla malleilla, voivat alkaa muistuttaa ihmisen aivotoimintaa jo ennen kuin niitä on koulutettu mihinkään dataan. Tutkimus viittaa siihen, että tekoälyn rakenne voi olla yhtä tärkeää kuin se, kuinka paljon dataa se käsittelee. Nature Machine Intelligence -lehdessä julkaistut löydökset haastavat tekoälykehityksen hallitsevan strategian. Sen sijaan, että luottaisiin kuukausien koulutukseen, valtaviin tietoaineistoihin ja valtavaan laskentatehoon, tutkimus korostaa aivomaisen arkkitehtonisen perustan arvoa. Datapainotteisen lähestymistavan uudelleenarviointi tekoälyyn "Tekoälyala etenee tällä hetkellä heittämällä malleihin paljon dataa ja rakentamalla laskentaresursseja, jotka ovat pienten kaupunkien kokoisia. Se vaatii satojen miljardien dollarien käyttöä. Samaan aikaan ihmiset oppivat näkemään hyvin vähäisellä datalla," sanoi pääkirjoittaja Mick Bonner, kognitiotieteen apulaisprofessori Johns Hopkinsin yliopistossa. "Evoluutio on saattanut yhdistyä tähän suunnitelmaan hyvästä syystä. Työmme viittaa siihen, että aivomaisemmat arkkitehtoniset suunnitelmat asettavat tekoälyjärjestelmät erittäin edulliseen lähtökohtaan." Bonner ja hänen kollegansa pyrkivät testamaan, voisiko pelkkä arkkitehtuuri antaa tekoälyjärjestelmille ihmismäisemmän lähtökohdan ilman laajamittaista koulutusta. Suosittujen tekoälyarkkitehtuurien vertailu Tutkimusryhmä keskittyi kolmeen päätyyppiin neuroverkkojen suunnittelua, joita käytetään yleisesti nykyaikaisissa tekoälyjärjestelmissä: muuntajat, täysin yhdistetyt verkot ja konvoluutioneuroverkot. He muokkasivat näitä rakenteita toistuvasti luodakseen kymmeniä erilaisia keinotekoisia neuroverkkoja. Yksikään malleista ei ollut koulutettu etukäteen. Tutkijat näyttivät sitten kouluttamattomille järjestelmille kuvia esineistä, ihmisistä ja eläimistä ja vertasivat niiden sisäistä toimintaa aivojen reaktioihin ihmisiltä ja ei-inhimilliset kädelliset, jotka näkivät samoja kuvia. Miksi konvoluutioverkot erottuivat joukosta Keinotekoisten neuronien määrän lisääminen muuntajissa ja täysin yhdistettyissä verkoissa tuotti vähän merkittäviä muutoksia. Kuitenkin samankaltaiset muutokset konvoluutiohermoverkoissa johtivat aktiivisuuskuvioihin, jotka vastasivat paremmin ihmisen aivoissa havaittuja. Tutkijoiden mukaan nämä kouluttamattomat konvoluutiomallit toimivat samalla tasolla kuin perinteiset tekoälyjärjestelmät, jotka yleensä vaativat altistumista miljoonille tai jopa miljardeille kuville. Tulokset viittaavat siihen, että arkkitehtuurilla on suurempi rooli aivojen kaltaisen käyttäytymisen muovaamisessa kuin aiemmin on uskottu. Nopeampi tie älykkäämpään tekoälyyn ...