Badania przeprowadzone przez naukowców z Okinawa Institute of Science and Technology (OIST) i opublikowane w czasopiśmie Neural Computation rzucają nowe światło na to, jak AI może uczyć się w sposób bardziej zbliżony do ludzkiego.
Co daje „mówienie do siebie”?
Ludzie nieustannie prowadzą wewnętrzne monologi – analizują problemy, planują działania, porządkują myśli. To właśnie ta mowa wewnętrzna pomaga nam podejmować decyzje i uczyć się na doświadczeniach. Naukowcy postanowili sprawdzić, czy podobny mechanizm może pomóc również maszynom.
W eksperymentach modele AI zostały nauczone tzw. samomamrotania, czyli wielokrotnego przetwarzania informacji poprzez wewnętrzne „rozmowy” z samym sobą. W połączeniu z pamięcią roboczą, zdolną tymczasowo przechowywać i manipulować informacjami, systemy te zaczęły wykazywać znacznie lepsze efekty uczenia się.
Pamięć robocza – klucz do generalizacji
Pamięć robocza to mechanizm, z którego korzystamy na co dzień np. podczas liczenia w pamięci czy zapamiętywania instrukcji. Badacze wykazali, że AI posiadająca kilka „slotów” pamięci roboczej lepiej radzi sobie z bardziej złożonymi zadaniami, takimi jak odwracanie sekwencji czy odtwarzanie wzorców.
Gdy do tej architektury dodano mowę wewnętrzną, modele AI: szybciej adaptowały się do nowych problemów, lepiej radziły sobie z wielozadaniowością, osiągały dobre wyniki nawet przy ograniczonej ilości danych treningowych.
To szczególnie istotne, ponieważ większość współczesnych systemów AI wymaga ogromnych zbiorów danych, aby skutecznie się uczyć.
AI inspirowana ludzkim mózgiem
Zespół z OIST od lat pracuje nad tzw. przetwarzaniem informacji niezależnym od treści, czyli zdolnością do rozwiązywania problemów wykraczających poza konkretne, wcześniej znane scenariusze.
„Ludzie bez trudu przełączają się między zadaniami i rozwiązują nowe problemy. Dla AI to wciąż ogromne wyzwanie” – podkreśla dr Jeffrey Queißer, główny autor badania. Dlatego naukowcy łączą wiedzę z neuronauki, psychologii, robotyki i uczenia maszynowego, aby projektować bardziej elastyczne systemy sztucznej inteligencji.
Kolejnym krokiem ma być testowanie AI w bardziej „chaotycznych” warunkach zbliżonych do rzeczywistego świata, pełnego zakłóceń, niepewności i dynamicznych zmian. To właśnie w takich środowiskach ludzie uczą się najskuteczniej.
Badania nad mową wewnętrzną nie tylko pomagają rozwijać AI, ale również pogłębiają naszą wiedzę o ludzkim mózgu i procesach uczenia się. W przyszłości mogą znaleźć zastosowanie m.in. w tworzeniu robotów domowych czy rolniczych, zdolnych do samodzielnego działania w złożonym otoczeniu.
Źródło: Okinawa Institute of Science and Technology
