Архитектуры, вдохновленные нейронаукой, для создания по-настоящему адаптивного ИИ Современные системы ИИ мощные, но хрупкие. Обучите модель, разверните её и наблюдайте, как производительность ухудшается по мере изменения мира. Переобучите на новых данных, и модель забывает то, что знала. Этот цикл производит системы, которые отлично справляются со статическими тестами, но испытывают трудности с непрерывной адаптацией — с чем биологический интеллект справляется без усилий. Мышь может научиться находить воду в новом лабиринте за примерно десять попыток, скорость обучения в 1,000 раз быстрее, чем в традиционных лабораторных задачах. Тем не менее, наши самые сложные нейронные сети страдают от катастрофического забвения, когда их просят учиться последовательно. Мозг предлагает другую архитектуру. Он работает не как одна запутанная сеть, а как умно взаимосвязанные специализированные модули — зрительная кора обрабатывает края, моторная кора вычисляет в пространстве силы, префронтальные области отслеживают структурированную память задач. Каждый модуль строит внутренние модели, обновляемые через ошибки предсказания, когда ожидаемые результаты расходятся с реальностью. Эти подписанные обучающие сигналы теперь были обнаружены в сенсорных, моторных и наградных цепях. Маккензи Уэйгандт Мэтис синтезирует эти идеи в предложение для адаптивного агентного ИИ. Вместо того чтобы стремиться к все более крупным монолитным базовым моделям, она выступает за системы доменно-специфических кодеров, выходы которых совместно оптимизируются в общем скрытом пространстве. Каждый кодер контролируется сигналами ошибки предсказания — надежные кодеры остаются "заблокированными", в то время как те, кто показывает ухудшение производительности, "разблокируются" для непрерывного обучения с использованием воспроизведения памяти или синаптического интеллекта, не отключая всю систему. Широкий принцип: структурируя ИИ вокруг модульности, вдохновленной нейронаукой, и обновления на основе ошибок предсказания, а не монолитного масштаба, становится возможным перейти от статических моделей к по-настоящему адаптивному интеллекту — системам, которые непрерывно уточняют свои модели мира через взаимодействие с ним. Статья: