Искусственному интеллекту, возможно, не нужны огромные объемы обучающих данных | Ханна Роббинс, Университет Джонса Хопкинса Резюме: Новое исследование показывает, что ИИ не нуждается в бесконечных обучающих данных, чтобы начать действовать более похоже на человеческий мозг. Когда исследователи переработали системы ИИ, чтобы они больше напоминали биологические мозги, некоторые модели начали демонстрировать мозговую активность без какого-либо обучения. Это ставит под сомнение современный подход к разработке ИИ, требующий больших объемов данных. Работа предполагает, что более умный дизайн может значительно ускорить обучение, одновременно снижая затраты и потребление энергии. --- Новое исследование Университета Джонса Хопкинса показывает, что системы искусственного интеллекта, построенные по дизайну, вдохновленному биологией, могут начать напоминать активность человеческого мозга даже до того, как они будут обучены на каких-либо данных. Исследование предполагает, что структура ИИ может быть столь же важна, как и объем обрабатываемых данных. Полученные результаты, опубликованные в журнале Nature Machine Intelligence, ставят под сомнение доминирующую стратегию в разработке ИИ. Вместо того чтобы полагаться на месяцы обучения, огромные наборы данных и колоссальные вычислительные мощности, исследование подчеркивает ценность начала с архитектурного фундамента, похожего на мозг. Переосмысление подхода, ориентированного на данные, в ИИ "Способ, которым сейчас движется область ИИ, заключается в том, чтобы бросить кучу данных на модели и построить вычислительные ресурсы размером с маленькие города. Это требует затрат в сотни миллиардов долларов. Тем временем люди учатся видеть, используя очень мало данных," сказал ведущий автор Мик Боннер, доцент когнитивной науки в Университете Джонса Хопкинса. "Эволюция могла прийти к этому дизайну не без причины. Наша работа предполагает, что архитектурные дизайны, более похожие на мозг, ставят системы ИИ в очень выгодное начальное положение." Боннер и его коллеги стремились проверить, может ли одна лишь архитектура дать системам ИИ более человеческое начальное положение, не полагаясь на крупномасштабное обучение. Сравнение популярных архитектур ИИ Исследовательская группа сосредоточилась на трех основных типах дизайна нейронных сетей, которые обычно используются в современных системах ИИ: трансформеры, полностью связанные сети и свёрточные нейронные сети. Они многократно настраивали эти дизайны, чтобы создать десятки различных искусственных нейронных сетей. Ни одна из моделей не была предварительно обучена. Затем исследователи показали необученным системам изображения объектов, людей и животных и сравнили их внутреннюю активность с мозговыми реакциями людей и нечеловеческих приматов, рассматривающих те же изображения. Почему свёрточные сети выделялись Увеличение числа искусственных нейронов в трансформерах и полностью связанных сетях привело к незначительным изменениям. Однако аналогичные изменения в свёрточных нейронных сетях привели к паттернам активности, которые более точно соответствовали тем, что наблюдаются в человеческом мозге. По словам исследователей, эти необученные свёрточные модели показывали результаты на уровне традиционных систем ИИ, которые обычно требуют воздействия миллионов или даже миллиардов изображений. Результаты предполагают, что архитектура играет более значительную роль в формировании поведения, похожего на мозг, чем считалось ранее. Быстрый путь к более умному ИИ ...