Недавние исследования свидетельствуют о том, что искусственный интеллект может развивать когнитивные способности, аналогичные человеческим. Ученые обнаружили, что определенные нейронные сети демонстрируют поведение, близкое к человеческим процессам мышления. Этот сдвиг критически важен для эволюции AI-систем, более полно удовлетворяющих потребности и предпочтения людей, что в конечном итоге помогает им достигать своих целей.
Достижения в области нейронных сетей
Опубликованное в журнале Nature groundbreaking исследование подчеркивает, как нейронные сети могут имитировать человеческое мышление благодаря технике, известной как мета-обучение для составимости (MLC). Этот инновационный подход позволяет AI-системам обучаться на ограниченном наборе конкретных задач, исключая необходимость в исчерпывающем программировании. Вместо этого сети извлекают идеи из высокоуровневых инструкций или примеров, что дает им возможность учиться самостоятельно.
В рамках исследования как модели AI, так и человеческие участники прошли эксперименты с вымышленным языком, содержащим термины вроде "dax" и "wif", соответствующие цветным точкам и специфическим манипулятивным функциям. Участникам необходимо было выявить "грамматические правила", определяющие взаимосвязь между словами и визуальными последовательностями. Впечатляюще, что человеческие волонтеры успешно генералировали правильные последовательности точек примерно в 80% случаев, демонстрируя свою способность распознавать паттерны и правила. Когда происходили ошибки, они чаще всего были систематическими и отражали недопонимание значений слов, а не неспособность к обучению.
Так же, как люди превосходят в сочетании новых концепций с уже существующими знаниями — например, понимая "пропуск назад" после того, как выучили "пропускать" — это исследование проверяет, может ли AI достичь аналогичных систематических способностей к рассуждению. Исследовательская группа подчеркнула, что в их реализации MLC использовались только стандартные нейронные сети без дополнительных символических структур или предвзятостей. Опираясь на высокоуровневое руководство и примеры от людей, сеть развила необходимые навыки обучения.
Структурные параллели между AI и человеческим когницией
Как человеческие мозги, так и нейронные сети AI состоят из взаимосвязанных единиц, которые способствуют обработке информации. Иу Айала Портелла, генеральный директор Gradient Insight, объясняет, что, хотя AI может быстро анализировать огромные объемы данных, ему не хватает врожденной способности человека понимания контекста и передачи эмоциональной глубины. Хотя AI может генерировать связный текст, он не обладает таким же глубоким пониманием или интуицией, которые приходят из человеческого опыта.
Появление интеллектуальных систем, подобных человеческим
Концепция AI, обладающего человеческим интеллектом, набирает популярность, особенно после заявлений исследователей Microsoft о том, что большой языковой модели GPT-4 открываются потенциальные пути к искусственному общему интеллекту (AGI) — системам, способным выполнять задачи на уровне человеческих когнитивных возможностей. Однако некоторые эксперты, включая Гэри Маркуса и Эрнеста Дэвиса из Нью-Йоркского университета, выражают скептицизм, предполагая, что модели вроде GPT-4 могут просто полагаться на заученные паттерны, а не на истинное понимание.
Дополнительные исследования из Университета Шеффилда указывают на то, что, хотя AI может воспроизводить определенные процессы обучения, точное мышление как у людей может требовать более глубокого сочетания сенсорного опыта и эмоционального понимания. Их результаты подчеркивают, что истинный человеческий интеллект возникает из сложной архитектуры мозга, который эволюционировал на протяжении тысячелетий и тесно связан с личным опытом.
Возможности применения AI, похожего на человеческий
Несмотря на существующие вызовы, потенциальные преимущества разработки AI с человеческими чертами значительны. Как отмечает Портелла, AI-системы, способные к контекстуальному рассуждению, могли бы значительно улучшить принятие решений в таких областях, как автономное вождение и здравоохранение. Например, AI, предназначенный для имитации человеческих процессов мышления, может повысить безопасность в автономных транспортных средствах или помочь медицинским работникам в диагностике сложных заболеваний, учитывая историю пациента и его эмоциональное состояние наряду с физическими симптомами.
В заключение, хотя эволюция AI-систем в некоторой степени отражает человеческую когницию, существуют значительные преграды, которые необходимо преодолеть для достижения истинного понимания, аналогичного человеческому мозгу. Продолжение изучения этих возможностей определит будущее технологии AI и её интеграцию в нашу повседневную жизнь.
Рейтинг
