AIは膨大な訓練データを必要としないかもしれません |ハンナ・ロビンズ、ジョンズ・ホプキンス大学 まとめ:新しい研究によると、AIは人間の脳のように動き始めるために無限の訓練データを必要としないことが示されています。研究者たちがAIシステムを生物学的な脳により近づけるように再設計した際、一部のモデルは訓練なしで脳のような活動を生み出しました。これは、今日のデータ依存型AI開発アプローチに挑戦しています。この研究は、より賢い設計が学習を劇的に加速し、コストやエネルギー消費を削減できる可能性を示唆しています。 --- ジョンズ・ホプキンス大学の新しい研究によると、生物学に触発された設計で構築された人工知能システムは、データ上で訓練される前から人間の脳活動に似始めることができる。この研究は、AIの構造が処理するデータ量と同じくらい重要かもしれないことを示唆しています。 この研究結果はNature Machine Intelligenceに掲載され、AI開発における支配的な戦略に挑戦しています。数か月にわたるトレーニング、膨大なデータセット、膨大な計算能力に頼るのではなく、この研究は脳のようなアーキテクチャの基盤から始める価値を強調しています。 AIにおけるデータ重視のアプローチの再考 「現在のAI分野の動きは、大量のデータをモデルに投げ込み、小都市規模の計算資源を構築することです。それには数千億ドルの支出が必要です。一方で、人間は非常に少ないデータで見ることを学んでいます」と、ジョンズ・ホプキンス大学認知科学助教授のミック・ボナーは述べています。「進化がこの設計に収束したのには正当な理由があるのかもしれない。私たちの研究は、より脳に近い建築設計がAIシステムを非常に有利な出発点に置くことを示唆しています。」 ボナーらは、大規模な訓練に頼らずに、アーキテクチャだけでAIシステムにより人間らしい出発点を提供できるかどうかを検証することを目指しました。 人気のAIアーキテクチャの比較 研究チームは、現代のAIシステムで一般的に用いられる3つの主要なニューラルネットワーク設計タイプ、すなわちトランスフォーマー、完全連結ネットワーク、そして畳み込みニューラルネットワークに焦点を当てました。 彼らはこれらの設計を繰り返し調整し、数十種類の異なる人工ニューラルネットワークを作り出しました。モデルは事前に訓練されていませんでした。研究者たちはその後、未訓練のシステムに物体、人間、動物の画像を示し、その内部活動と人間や非ヒト霊長類の脳反応を比較しました。 なぜ畳み込みネットワークが際立ったのか トランスフォーマーや完全接続ネットワークにおける人工ニューロンの数を増やしても、意味のある変化はほとんどありませんでした。しかし、畳み込みニューラルネットワークへの同様の調整は、人間の脳で見られるものにより近い活動パターンをもたらしました。 研究者によると、これらの未学習の畳み込みモデルは、通常何百万、場合によっては数十億枚の画像に曝露する必要がある従来のAIシステムと同等の性能を発揮しました。その結果、構造が脳様行動の形成においてこれまで考えられていた以上に大きな役割を果たすことが示唆されています。 より賢いAIへのより速い道 ...