Loading ...Разговор с самим собой — это черта, присущая исключительно человеку. Наши внутренние монологи помогают нам упорядочивать мысли, принимать решения и понимать свои эмоции. Но не только люди могут извлечь пользу из такого внутреннего диалога.
В статье, опубликованной в журнале Neural Computation, ученые из Окинавского института науки и технологий (OIST) демонстрируют потенциал внутренней речи для улучшения обучения ИИ, показывая, как модели ИИ могут легче обобщать результаты в различных задачах при поддержке как внутренней речи, так и кратковременной памяти.
«Это исследование подчеркивает важность взаимодействия с самим собой в процессе обучения. Структурируя обучающие данные таким образом, чтобы научить нашу систему взаимодействовать сама с собой, мы показываем, что обучение формируется не только архитектурой наших систем искусственного интеллекта, но и динамикой взаимодействия, заложенной в наших процедурах обучения», — говорит первый автор, доктор Джеффри Квайссер, научный сотрудник научно-исследовательского подразделения когнитивной нейророботики OIST.
Сочетая самопроизвольное «бормотание» с уникальной архитектурой рабочей памяти, исследователи улучшили способность своих моделей ИИ к обучению, адаптации к новым ситуациям и многозадачности.
Моделирование, вдохновленное работой мозга, для обучения ИИ
Наша команда давно интересуется обработкой информации, не зависящей от ее содержания; это возможность выполнять задачи, выходящие за рамки тех ситуаций, с которыми мы сталкивались ранее, путем изучения общих методов и операций.
«Быстрое переключение между задачами и решение незнакомых проблем — это то, что мы, люди, легко делаем каждый день. Но для ИИ это гораздо сложнее», — отмечает доктор Квайссер. «Именно поэтому мы применяем междисциплинарный подход, сочетая нейробиологию развития и психологию с машинным обучением и робототехникой, а также другими областями, чтобы найти новые способы осмысления обучения и определить будущее ИИ».
Исследователи первоначально сосредоточились на архитектуре памяти моделей ИИ, изучая важность рабочей памяти для обобщения задач. От запоминания инструкций до быстрых вычислений в уме, рабочая память — это кратковременная способность системы сохранять и использовать информацию.
Путем моделирования задач различной сложности они исследовали эффективность различных структур памяти, продемонстрировав, что системы, включающие несколько ячеек рабочей памяти (временные контейнеры для фрагментов информации), лучше обобщают сложные задачи по изменению порядка и восстановлению паттернов.
Добавив к заданию «самомою» сигналы — указав системе, что она должна «говорить сама с собой» определенное количество раз, — исследователи добились лучших результатов, особенно при многозадачности или выполнении задач, состоящих из множества этапов.
«Наша объединенная система особенно интересна тем, что может работать с разреженными данными, а не с обширными наборами данных, обычно необходимыми для обучения таких моделей с целью обобщения. Она предоставляет дополнительную, облегченную альтернативу», — подчеркивает доктор Квайссер.
Учимся учиться лучше
В перспективе исследователи планируют сделать ситуацию «более сложной». Доктор Квайссер говорит: «В реальном мире мы принимаем решения и решаем проблемы в сложных, шумных, динамичных условиях. Чтобы лучше отразить процесс обучения человека, нам необходимо учитывать эти внешние факторы».
Это согласуется с главной целью команды — понять нейронные основы человеческого обучения.
«Изучая такие явления, как внутренняя речь, и понимая механизмы подобных процессов, мы получаем принципиально новые знания о биологии и поведении человека», — заключает доктор Квайссер.
«Мы также можем применить эти знания, например, при разработке бытовых или сельскохозяйственных роботов , способных функционировать в нашем сложном, динамичном мире».
Новости партнеров:
Вам могло бы понравиться:
267
