Võtmed kaasavõtmiseks
- Uut tüüpi arvutiriistvara võib võimaldada tehisintellektil pidev alt õppida nagu inimaju.
- Purdue ülikooli teadlaste sõnul saab nende seadet nõudmisel elektriimpulsside abil ümber programmeerida.
- Kuigi täiesti iseseisv alt õppiv AI-süsteem on endiselt peamiselt kontseptsioon, on palju näiteid, mis on lähedal.
Tehisintellekt (AI) võib peagi saada tõuke uut tüüpi arvutikiipidest, mis on inspireeritud inimajust.
Purdue ülikooli teadlased on loonud uue riistvara, mida saab nõudmisel elektriimpulsside abil ümber programmeerida. Meeskond väidab, et see kohanemisvõime võimaldaks seadmel võtta kõik vajalikud funktsioonid, et luua aju inspireeritud arvuti. See on osa pidevast pingutusest luua AI-süsteeme, mis suudavad pidev alt õppida.
"Kui AI-süsteemid õpivad pidev alt keskkonnas, suudavad nad kohaneda aja jooksul muutuva maailmaga, " ütles Stevensi Tehnoloogiainstituudi tehisinstituudi ekspert Jordan Suchow e-posti intervjuus Lifewire'ile. "Näeme seda näiteks siis, kui pettuste tuvastamise süsteem tuvastab varem jälgimata petturlike ostude mustri või kui näotuvastussüsteem kohtab inimest, keda ta pole kunagi varem näinud."
Elukestvad õppijad
Purdue teadlased avaldasid selle artikli hiljuti ajakirjas Science. See kirjeldab, kuidas arvutikiibid saaksid end dünaamiliselt ümber ühendada, et võtta vastu uusi andmeid samamoodi nagu aju teeb. See lähenemisviis võib aidata tehisintellektil aja jooksul õppida.
"Elusolendite ajud saavad pidev alt õppida kogu oma eluea jooksul. Oleme nüüd loonud kunstliku platvormi, et masinad saaksid kogu nende eluea jooksul õppida," ütles üks paberi autoritest Shriram Ramanathan pressiteates.
Ramanathani meeskonna välja töötatud riistvara on väike ristkülikukujuline seade, mis on valmistatud perovskiitnikelaadiks nimetatavast materjalist, mis on vesiniku suhtes väga tundlik. Elektriimpulsside rakendamine erinevatel pingetel võimaldab seadmel segada vesinikioonide kontsentratsiooni nanosekundite jooksul, luues olekuid, mida teadlased leidsid, et neid saab kaardistada aju vastavate funktsioonidega.
Kui seadme keskpunkti lähedal on näiteks rohkem vesinikku, võib see toimida neuronina, ühe närvirakuna. Kuna selles kohas on vähem vesinikku, toimib seade sünapsina, neuronitevahelise ühendusena, mida aju kasutab mälu salvestamiseks keerulistes närviahelates.
"Kui tahame ehitada arvutit või masinat, mis on inspireeritud ajust, siis vastav alt sellele tahame omada võimalust kiipi pidev alt programmeerida, ümber programmeerida ja muuta," ütles Ramanathan.
Mõtlemismasinad?
Paljud kaasaegsed AI-süsteemid kohanduvad ümberõppel uue teabega, ütles masinõppe parandamisele pühendunud avatud insenerikonsortsiumi MLCommons tegevdirektor David Kanter meilis.
"Maailm on oma olemuselt dünaamiline koht ning lõppkokkuvõttes peavad masinõpe ja tehisintellekt sellega kohanema," ütles Kanter. "Näiteks 2022. aastal loodud kõnetuvastussüsteem, mis ei "tea" COVID-19-st ega koroonaviirustest, kaotaks tänapäeva maailmast suure aspekti. Samamoodi peaks autonoomne sõiduk kohanema muutustega tänavatel, sildade sulgemisel või isegi madalad temperatuurid muudavad tee jäiseks."
Kuigi täiesti iseseisv alt õppiv AI-süsteem on endiselt enamasti kontseptsioon, on paljud näited lähedal, ütles tehisintellektiettevõtte Fusemachines tegevjuht Sameer Maskkey meiliintervjuus. Üks neist iseõppivatest süsteemidest sai uudiseks, kui AI-süsteem võitis Go mängus inimese.
"AlphaGo oli DeepMindi esimene tehisintellekt, mis alistas professionaalse Go mängija," lisas Masky. "Nende mängude frantsiisid on muutunud hüppelauaks iga uue lisaga, mis on võtnud kasutusele edusammud tehisintellekti suunas, mis jätkab õppimist."
Tuleviku tehisintellektisüsteemid otsivad teavet, mida nad vajavad heade otsuste tegemiseks ja asjakohaste meetmete võtmiseks, ennustas Suchow. Need täiustatud arvutid väldivad kulukaid vigu, õppides oma kogemuste simulatsioonidest, näiteks "isemängimise" kaudu, kus tehisintellekt kujutab ette interaktsioonide tulemusi iseenda koopiatega.
"See on sarnane sellele, kuidas inimesed saavad kujutlusvõime kaudu õppida, nähes ette halba tulemust, ilma et oleks vaja seda vahetult kogeda," lisas Suchow. "AI-süsteemid õpivad õppimiseks tõhusamaid strateegiaid paljuski nii, et õpilane saab suunata oma aega ja tähelepanu mitte ainult õpitava sisule, vaid ka õppimisprotsessile endale."
