Przyszłe algorytmy sztucznej inteligencji mogą uczyć się jak ludzie

Pamięć może być równie trudna do rozwijania dla maszyn, jak i dla ludzi. Aby pomóc zrozumieć, dlaczego sztuczne inteligencje rozwijają dziury w swoich własnych procesach poznawczych, inżynierowie z The Ohio State University przeanalizowali, jak bardzo proces zwany "ciągłym uczeniem się" wpływa na ich ogólną wydajność.

Ciągłe uczenie się ma miejsce, gdy komputer jest szkolony do ciągłego uczenia się sekwencji zadań, wykorzystując zgromadzoną wiedzę ze starych zadań, aby lepiej uczyć się nowych zadań.

Jednak jedną z głównych przeszkód, które naukowcy wciąż muszą pokonać, aby osiągnąć takie wyżyny, jest nauczenie się, jak ominąć odpowiednik utraty pamięci w uczeniu maszynowym - proces, który w agentach AI jest znany jako "katastrofalne zapominanie". Jak powiedział Ness Shroff, profesor informatyki i inżynierii na Uniwersytecie Stanowym w Ohio, sztuczne sieci neuronowe są szkolone w zakresie jednego nowego zadania po drugim, mają tendencję do tracenia informacji zdobytych w poprzednich zadaniach, co może stać się problematyczne, gdy społeczeństwo będzie coraz bardziej polegać na systemach sztucznej inteligencji.

"Ponieważ aplikacje do zautomatyzowanej jazdy lub inne systemy robotyczne uczą się nowych rzeczy, ważne jest, aby nie zapomniały lekcji, których już się nauczyły dla naszego i ich bezpieczeństwa" - powiedział Shroff. "Nasze badania zagłębiają się w złożoność ciągłego uczenia się w tych sztucznych sieciach neuronowych, a to, co znaleźliśmy, to spostrzeżenia, które zaczynają wypełniać lukę między tym, jak maszyna uczy się, a tym, jak uczy się człowiek".