Mesin baru Pendekatan belajar yang menarik inspirasi dari cara otak manusia tampaknya menjadi model dan belajar tentang dunia telah terbukti mampu menguasai sejumlah video game sederhana dengan efisiensi yang mengesankan.
Sistem baru, yang disebut Axioma, menawarkan alternatif untuk jaringan saraf buatan yang dominan di AI modern. Axiom, yang dikembangkan oleh perusahaan perangkat lunak yang disebut ayat AI, dilengkapi dengan pengetahuan sebelumnya tentang cara objek yang secara fisik saling berinteraksi di dunia permainan. Kemudian menggunakan algoritma untuk memodelkan bagaimana ia mengharapkan permainan untuk bertindak sebagai respons terhadap input, yang diperbarui berdasarkan apa yang diamati – proses yang dijuluki inferensi aktif.
Pendekatan ini menarik inspirasi dari prinsip energi bebas, sebuah teori yang berupaya menjelaskan kecerdasan menggunakan prinsip -prinsip yang diambil dari matematika, fisika, dan teori informasi serta biologi. Prinsip energi bebas dikembangkan oleh Karl Friston, seorang ahli saraf terkenal yang merupakan ilmuwan kepala di perusahaan “komputasi kognitif”.
Friston memberi tahu saya tentang video dari rumahnya di London bahwa pendekatan itu mungkin sangat penting untuk membangun agen AI. “Mereka harus mendukung jenis kognisi yang kita lihat di otak sungguhan,” katanya. “Itu membutuhkan pertimbangan, bukan hanya kemampuan untuk mempelajari hal -hal tetapi sebenarnya untuk belajar bagaimana Anda bertindak di dunia.”
Pendekatan konvensional untuk belajar bermain game melibatkan pelatihan jaringan saraf melalui apa yang dikenal sebagai pembelajaran penguatan mendalam, yang melibatkan percobaan dan mengubah parameter mereka sebagai respons terhadap umpan balik positif atau negatif. Pendekatan ini dapat menghasilkan algoritma permainan superhuman tetapi membutuhkan banyak eksperimen untuk bekerja. Axiom Masters Berbagai versi yang disederhanakan dari video game populer yang disebut drive, bouncing, perburuan, dan melompat menggunakan lebih sedikit contoh dan daya komputasi yang lebih sedikit.
“Tujuan umum dari pendekatan dan beberapa fitur utamanya melacak dengan apa yang saya lihat sebagai masalah paling penting untuk fokus untuk sampai ke AGI,” kata François Chollet, seorang peneliti AI yang mengembangkan ARC 3, sebuah tolok ukur yang dirancang untuk menguji kemampuan algoritma AI modern. Chollet juga mengeksplorasi pendekatan baru untuk pembelajaran mesin, dan menggunakan tolok ukurnya untuk menguji kemampuan model untuk mempelajari cara memecahkan masalah yang tidak dikenal daripada sekadar meniru contoh sebelumnya.
“Pekerjaan itu mengejutkan saya sebagai sangat orisinal, yang hebat,” katanya. “Kami membutuhkan lebih banyak orang yang mencoba ide -ide baru dari jalur model bahasa besar yang dipukuli dan model bahasa penalaran.”
AI modern bergantung pada jaringan saraf buatan yang secara kasar terinspirasi oleh kabel otak tetapi bekerja dengan cara yang berbeda secara fundamental. Selama dekade terakhir dan sedikit, pembelajaran mendalam, pendekatan yang menggunakan jaringan saraf, telah memungkinkan komputer untuk melakukan segala macam hal yang mengesankan termasuk menyalin pidato, mengenali wajah, dan menghasilkan gambar. Baru -baru ini, tentu saja, pembelajaran yang mendalam telah menyebabkan model bahasa besar yang memberi kekuatan dan semakin mampu chatbots.
Aksioma, secara teori, menjanjikan pendekatan yang lebih efisien untuk membangun AI dari awal. Mungkin sangat efektif untuk menciptakan agen yang perlu belajar secara efisien dari pengalaman, kata Gabe René, CEO ayat. René mengatakan satu perusahaan keuangan telah mulai bereksperimen dengan teknologi perusahaan sebagai cara memodelkan pasar. “Ini adalah arsitektur baru untuk agen AI yang dapat belajar secara real time dan lebih akurat, lebih efisien, dan jauh lebih kecil,” kata René. “Mereka secara harfiah dirancang seperti otak digital.”
Agak ironisnya, mengingat bahwa aksioma menawarkan alternatif untuk AI modern dan pembelajaran mendalam, prinsip energi bebas pada awalnya dipengaruhi oleh karya ilmuwan komputer Kanada Kanada Geoffrey Hintonyang dianugerahi keduanya Turing Award dan Hadiah Nobel untuk pekerjaan perintisnya pada pembelajaran yang mendalam. Hinton adalah kolega Friston’s di University College London selama bertahun -tahun.
Untuk lebih lanjut tentang Friston dan Prinsip Energi Gratis, saya sangat merekomendasikan Artikel fitur Wired 2018 ini. Pekerjaan Friston juga memengaruhi sebuah teori kesadaran baru yang menarikdijelaskan dalam sebuah buku yang ditinjau pada tahun 2021.
