Όχι τόσο Τεχνητή Νοημοσύνη – Dataconomy

Σε μια ρηξικέλευθη

μελέτη που έγινε από επιστήμονες του Κέιμπριτζ

έχει προκύψει ένας συναρπαστικός παραλληλισμός μεταξύ των συστημάτων τεχνητής νοημοσύνης (AI) και των περίπλοκων λειτουργιών του ανθρώπινου εγκεφάλου.

Επιβάλλοντας φυσικούς περιορισμούς στα μοντέλα τεχνητής νοημοσύνης, που θυμίζουν τους βιολογικούς περιορισμούς που διαμορφώνουν τον ανθρώπινο εγκέφαλο, οι ερευνητές έχουν γίνει μάρτυρες της αυθόρμητης ανάπτυξης χαρακτηριστικών όμοιων με αυτά που βρίσκονται στον εγκέφαλο πολύπλοκων οργανισμών.

Αυτή η αποκάλυψη ανοίγει ένα νέο κεφάλαιο στην έρευνα της τεχνητής νοημοσύνης, ρίχνοντας φως στο πώς αυτά τα συστήματα, όταν υπόκεινται σε περιορισμούς, μπορούν αυτόνομα να εξελιχθούν για να λύσουν εργασίες, αντικατοπτρίζοντας τις προσαρμοστικές ικανότητες του ανθρώπινου εγκεφάλου.

Βιολογική επαφή με την τεχνητή νοημοσύνη

Καθώς η μελέτη εξελίσσεται, γίνεται προφανές ότι τα νευρικά συστήματα, συμπεριλαμβανομένου του ανθρώπινου εγκεφάλου, πρέπει να πλοηγούνται σε μια λεπτή ισορροπία μεταξύ των διαφόρων απαιτήσεων. Η ενέργεια και οι πόροι είναι ζωτικής σημασίας τόσο για τη διατήρηση του φυσικού δικτύου όσο και για τη βελτιστοποίησή του για αποτελεσματική επεξεργασία πληροφοριών.

Αυτή η λεπτή ανταλλαγή, που παρατηρείται μεταξύ των ειδών, θέτει το ερώτημα γιατί πολλοί βιολογικοί εγκέφαλοι συγκλίνουν σε παρόμοιες οργανωτικές λύσεις.

Jascha Achterberg

ένας υπότροφος του Γκέιτς από τη Μονάδα Γνωστικών και Επιστημών του Εγκεφάλου του Συμβουλίου Ιατρικής Έρευνας στο Πανεπιστήμιο του Κέιμπριτζ, σημειώνει, «Ο εγκέφαλος όχι μόνο είναι εξαιρετικός στην επίλυση σύνθετων προβλημάτων, αλλά το κάνει ενώ χρησιμοποιεί πολύ λίγη ενέργεια».

Οι ερευνητές, με επικεφαλής τον Achterberg και τον συν-συγγραφέα Δρ Danyal Akarca, σχεδίασαν ένα τεχνητό σύστημα που προοριζόταν να μιμηθεί μια απλοποιημένη έκδοση του ανθρώπινου εγκεφάλου. Σε μια απόκλιση από τα παραδοσιακά μοντέλα νευρωνικών δικτύων, το σύστημά τους εισήγαγε έναν «φυσικό» περιορισμό, εκχωρώντας συγκεκριμένες θέσεις σε υπολογιστικούς κόμβους μέσα σε έναν εικονικό χώρο.

Όσο πιο μακριά ήταν οι δύο κόμβοι, τόσο πιο δύσκολο γινόταν η επικοινωνία τους – μια αντανάκλαση της χωρικής οργάνωσης που παρατηρείται στους βιολογικούς εγκεφάλους.

Η εστίαση της μελέτης στη φυσική απόσταση μεταξύ των κόμβων στο τεχνητό σύστημα προσφέρει πολύτιμες γνώσεις για το σχεδιασμό αρχιτεκτονικών τεχνητής νοημοσύνης με βιολογική έμπνευση. Η αντίληψη ότι το σύστημα ανέπτυξε κόμβους – πολύ συνδεδεμένους κόμβους – ευθυγραμμίζεται με τη χωρική οργάνωση που παρατηρείται στους βιολογικούς εγκεφάλους.

Αυτή η ιδέα υπόσχεται ουσιαστικά την ανάπτυξη πιο αποτελεσματικών συστημάτων τεχνητής νοημοσύνης, ειδικά σε σενάρια πραγματικού κόσμου όπου οι φυσικοί περιορισμοί παίζουν σημαντικό ρόλο. Οι πιθανές εφαρμογές εκτείνονται πέρα ​​από τις παραδοσιακές εργασίες υπολογιστών, οραματιζόμενοι συστήματα τεχνητής νοημοσύνης που πλοηγούνται σε φυσικούς χώρους με ενεργειακά αποδοτικές δομές εμπνευσμένες από τον ανθρώπινο εγκέφαλο.

Αξιοσημείωτη πρόοδος

Για να δοκιμάσουν το βιο-εμπνευσμένο σύστημα τεχνητής νοημοσύνης τους, οι ερευνητές του ανέθεσαν μια εργασία πλοήγησης σε λαβύρινθο, μια απλοποιημένη εκδοχή των προκλήσεων που δίνονται στα ζώα στο

συμπεριφορική νευροεπιστήμη

. Το σύστημα AI, οπλισμένο με υπολογιστικούς κόμβους αντί για πραγματικούς νευρώνες, αρχικά αντιμετώπισε την εργασία, αλλά έμαθε και βελτιώθηκε με την πάροδο του χρόνου μέσω της ανατροφοδότησης.

Ο φυσικός περιορισμός εισήγαγε ένα επίπεδο πολυπλοκότητας, αναγκάζοντας το σύστημα να αναπτύξει κόμβους – πολύ συνδεδεμένους κόμβους που μιμούνταν τους αγωγούς πληροφοριών που παρατηρούνται στον ανθρώπινο εγκέφαλο.

Είναι αξιοσημείωτο ότι οι ερευνητές παρατήρησαν μια αλλαγή στα προφίλ απόκρισης μεμονωμένων κόμβων. Αντί να κωδικοποιούν αυστηρά συγκεκριμένες ιδιότητες του λαβύρινθου, οι κόμβοι στο σύστημα τεχνητής νοημοσύνης ανέπτυξαν ένα ευέλικτο σχήμα κωδικοποίησης. Αυτή η ευελιξία, όπου οι κόμβοι θα μπορούσαν να κωδικοποιήσουν πολλαπλές πτυχές της εργασίας σε διαφορετικές στιγμές, αντικατοπτρίζει ένα χαρακτηριστικό που παρατηρείται στους εγκεφάλους πολύπλοκων οργανισμών.

Έχουμε ακόμα τόσα πολλά να μάθουμε από τη φύση

Εμβαθύνοντας στα ευρήματα της μελέτης, ο φυσικός περιορισμός που επιβλήθηκε στο σύστημα τεχνητής νοημοσύνης ώθησε την ανάπτυξη λύσεων εντυπωσιακά παρόμοιων με εκείνες που εξελίχθηκαν από βιολογικά συστήματα. Συγκεκριμένα, οι περιορισμοί στους κόμβους καλωδίωσης που είναι φυσικά απομακρυσμένοι ανάγκασαν το τεχνητό σύστημα να παράγει περίπλοκα χαρακτηριστικά που θυμίζουν τον ανθρώπινο εγκέφαλο.

Αυτό υποδηλώνει μια θεμελιώδη σύνδεση μεταξύ του περιορισμένου περιβάλλοντος και της εμφάνισης κομψών λύσεων, ρίχνοντας φως στις εξελικτικές δυνάμεις που διαμορφώνουν τόσο την τεχνητή νοημοσύνη όσο και τις βιολογικές νευρωνικές αρχιτεκτονικές.

Δέστε τις ζώνες σας

Μια σημαντική επίπτωση της μελέτης έγκειται στη συνάφειά της με συστήματα τεχνητής νοημοσύνης που λειτουργούν σε δυναμικά περιβάλλοντα. Η ιδέα ότι τα ρομπότ που μιμούνται τη δομή του εγκεφάλου θα μπορούσαν να επεξεργάζονται αποτελεσματικά τις μεταβαλλόμενες πληροφορίες ενώ διαχειρίζονται περιορισμένα αποθέματα ενέργειας αντιμετωπίζει μια κρίσιμη πρόκληση στη ρομποτική.

Αυτή η εικόνα θα μπορούσε να ανοίξει το δρόμο για την ανάπτυξη ρομπότ ικανών να προσαρμοστούν σε πραγματικό χρόνο, να επεξεργάζονται αισθητηριακές εισροές και να πλοηγούνται σε φυσικούς χώρους με αποτελεσματικότητα συγκρίσιμη με την προσαρμοστική φύση του ανθρώπινου εγκεφάλου.

Καθώς βλέπουμε την εξέλιξη των συστημάτων τεχνητής νοημοσύνης που αντικατοπτρίζουν βιολογικά χαρακτηριστικά, οι ηθικοί προβληματισμοί έρχονται στο προσκήνιο. Η μελέτη προκαλεί έναν προβληματισμό σχετικά με την αυτονομία που παρέχεται στις εξελισσόμενες δομές τεχνητής νοημοσύνης και υπογραμμίζει τη σημασία της υπεύθυνης καινοτομίας.

Η εξισορρόπηση των τεχνολογικών προόδων με τα ηθικά πλαίσια καθίσταται επιτακτική για να διασφαλιστεί ότι οι τεχνολογίες τεχνητής νοημοσύνης ευθυγραμμίζονται με τις κοινωνικές αξίες. Οι ηθικές επιπτώσεις εκτείνονται πέρα ​​από το εργαστήριο, με απήχηση στον ευρύτερο λόγο για την υπεύθυνη ανάπτυξη και ανάπτυξη της τεχνητής νοημοσύνης.

Η μελέτη όχι μόνο αποκαλύπτει τις δυνατότητες αυτοοργάνωσης των συστημάτων τεχνητής νοημοσύνης, αλλά προσφέρει επίσης ένα φάσμα επιπτώσεων σε διάφορα πεδία. Από τη βελτίωση της κατανόησής μας για τη νευρωνική κωδικοποίηση έως την έμπνευση βιο-μιμητικής αρχιτεκτονικής τεχνητής νοημοσύνης και την αντιμετώπιση των πραγματικών προκλήσεων στη ρομποτική, η μελέτη μας ωθεί σε ένα μέλλον όπου η συνέργεια μεταξύ τεχνολογίας και βιολογίας αναδιαμορφώνει το τοπίο της τεχνητής νοημοσύνης.

Πίστωση επιλεγμένης εικόνας


:

Μιλάντ Φακούριαν

/

Ξεβιδώστε

.