Key Takeaways
- Nova vrsta kompjuterskog hardvera mogla bi omogućiti umjetnoj inteligenciji da kontinuirano uči poput ljudskog mozga.
- Istraživači na Univerzitetu Purdue kažu da se njihov uređaj može reprogramirati na zahtjev putem električnih impulsa.
- Iako je AI sistem koji potpuno uči sam po sebi još uvijek uglavnom koncept, postoji mnogo primjera koji su bliski.
Umjetna inteligencija (AI) bi uskoro mogla dobiti poticaj od nove vrste kompjuterskih čipova inspiriranih ljudskim mozgom.
Istraživači na Univerzitetu Purdue izgradili su novi komad hardvera koji se može reprogramirati na zahtjev putem električnih impulsa. Tim tvrdi da bi ova prilagodljivost omogućila uređaju da preuzme sve neophodne funkcije za izradu kompjutera inspirisanog mozgom. To je dio stalnih napora za izgradnju AI sistema koji mogu kontinuirano učiti.
"Kada sistemi veštačke inteligencije neprestano uče u okruženju, oni se mogu prilagoditi svetu koji se vremenom menja, " rekao je stručnjak za veštačku inteligenciju Stevens Institute of Technology Jordan Suchow u intervjuu za Lifewire. "To vidimo, na primjer, kada sistem za otkrivanje prijevare otkrije prethodno nezapaženi obrazac lažnih kupovina ili kada sistem za prepoznavanje lica naiđe na osobu koju nikada prije nije vidio."
Doživotno učenje
Istraživači iz Purduea nedavno su objavili rad u časopisu Science. Opisuje kako se kompjuterski čipovi mogu dinamički preinačiti kako bi primili nove podatke na isti način na koji to čini mozak. Pristup bi mogao pomoći AI da nastavi s učenjem tokom vremena.
"Mozak živih bića može kontinuirano učiti tokom svog životnog vijeka. Sada smo stvorili umjetnu platformu za mašine koje će učiti tokom svog životnog vijeka", rekao je jedan od autora lista, Shriram Ramanathan, u saopštenju za javnost.
Hardver koji je osmislio Ramanathanov tim je mali, pravougaoni uređaj napravljen od materijala zvanog perovskit nikelat, koji je vrlo osjetljiv na vodonik. Primjena električnih impulsa na različitim naponima omogućava uređaju da promiješa koncentraciju vodikovih jona u nekoliko nanosekundi, stvarajući stanja za koja su istraživači otkrili da se mogu mapirati prema odgovarajućim funkcijama u mozgu.
Kada uređaj ima više vodonika blizu svog centra, na primjer, može djelovati kao neuron, jedna nervna ćelija. Sa manje vodonika na toj lokaciji, uređaj služi kao sinapsa, veza između neurona, što je ono što mozak koristi za skladištenje memorije u složenim neuronskim krugovima.
"Ako želimo da napravimo kompjuter ili mašinu koja je inspirisana mozgom, onda, shodno tome, želimo da imamo mogućnost da kontinuirano programiramo, reprogramiramo i menjamo čip," rekao je Ramanathan..
Mašine za razmišljanje?
Mnogi moderni AI sistemi se prilagođavaju novim informacijama kada se preobuče, rekao je u e-poruci David Kanter, izvršni direktor MLCommons, otvorenog inženjerskog konzorcijuma posvećenog poboljšanju mašinskog učenja..
"Svijet je suštinski dinamično mjesto i na kraju se strojno učenje i AI moraju prilagoditi tome", rekao je Kanter. "Na primjer, sistemu za prepoznavanje govora 2022. koji ne 'zna' o COVID-19 ili koronavirusima nedostajao bi veliki aspekt modernog svijeta. Slično tome, autonomno vozilo bi se trebalo prilagoditi promjenama na ulicama, zatvaranju mostova ili čak i niske temperature čine cestu zaleđenom."
Iako je AI sistem koji potpuno uči sam po sebi još uvijek uglavnom koncept, mnogi primjeri su blizu, rekao je Sameer Maskey, izvršni direktor AI kompanije Fusemachines, u intervjuu putem e-pošte. Jedan od ovih sistema koji se samouče pojavio se u vijestima kada je AI sistem pobijedio čovjeka u igri Go.
"AlphaGo je bio prvi AI DeepMind koji je pobijedio profesionalnog Go igrača, " dodao je Maskey. "Njihove franšize igara postale su odskočna daska sa svakim novim dodatkom usvajajući napredak ka AI koji nastavlja da uči."
AI sistemi budućnosti će tražiti informacije koje su im potrebne za donošenje dobrih odluka i poduzimanje odgovarajućih akcija, predvidio je Suchow. Ovi napredni računari će izbjeći skupe greške učeći iz vlastitih simulacija iskustva, na primjer, kroz "samoigranje", gdje AI zamišlja rezultate interakcija koje ima sa svojim kopijama.
"Ovo je slično načinu na koji ljudi mogu učiti kroz maštu, predviđajući loš ishod bez potrebe da ga direktno doživljavaju", dodao je Suchow. „AI sistemi će naučiti efikasnije strategije učenja, uglavnom na način na koji učenik može usmjeriti svoje vrijeme i pažnju ne samo na sadržaj onoga što proučava, već i na sam proces učenja."
