Sonuçta yapay zekaya büyük eğitim verisi gerekmiyor | Hannah Robbins, Johns Hopkins Üniversitesi Özet: Yeni araştırmalar, yapay zekanın insan beyni gibi davranmak için sonsuz eğitim verisine ihtiyaç duymadığını gösteriyor. Araştırmacılar yapay zeka sistemlerini biyolojik beyinlere daha iyi benzeyecek şekilde yeniden tasarladıklarında, bazı modeller hiç eğitim olmadan beyin benzeri aktivite üretti. Bu, günümüzün veri odaklı yapay zeka geliştirme yaklaşımını zorluyor. Çalışma, daha akıllı tasarımın öğrenmeyi dramatik şekilde hızlandırabileceğini, maliyetleri ve enerji kullanımını azaltabileceğini öne sürüyor. --- Johns Hopkins Üniversitesi'nden yeni araştırmalar, biyolojiden ilham alan yapay zeka sistemlerinin, herhangi bir veri üzerinde eğitilmeden önce bile insan beyni aktivitesine benzebildiğini gösteriyor. Çalışma, yapay zekanın nasıl yapılandırıldığının, işlediği veri miktarı kadar önemli olabileceğini öne sürüyor. Nature Machine Intelligence'da yayımlanan bulgular, yapay zeka geliştirmedeki baskın stratejiyi sorguluyor. Aylarca süren eğitim, devasa veri setleri ve büyük hesaplama gücüne dayanmak yerine, araştırma beyin benzeri bir mimari temelle başlamanın değerini vurguluyor. Yapay Zekaya Veriye Ağırlıklı Yaklaşımı Yeniden Düşünmek "Yapay zeka alanının şu anda hareket ettiği yol, modellere bir sürü veri atmak ve küçük şehirler büyüklüğünde hesaplama kaynakları oluşturmak. Bu yüz milyarlarca dolar harcamayı gerektirir. Bu arada, insanlar çok az veri kullanarak görmeyi öğreniyor," dedi baş yazar Johns Hopkins Üniversitesi bilişsel bilim yardımcı doçenti Mick Bonner. "Evrim bu tasarıma iyi bir sebepten dolayı yaklaşmış olabilir. Çalışmalarımız, daha beyin benzeri mimari tasarımların yapay zeka sistemlerini çok avantajlı bir başlangıç noktasına getirdiğini gösteriyor." Bonner ve meslektaşları, yalnızca mimarinin yapay zeka sistemlerine büyük çaplı eğitime dayanmadan daha insansı bir başlangıç noktası sağlayıp sunamayacağını test etmeyi amaçladılar. Popüler Yapay Zeka Mimarilerinin Karşılaştırılması Araştırma ekibi, modern yapay zeka sistemlerinde yaygın olarak kullanılan üç ana sinir ağı tasarımı türüne odaklandı: transformatörler, tam bağlantılı ağlar ve konvolüsyon sinir ağları. Bu tasarımları defalarca ayarlayarak onlarca farklı yapay sinir ağı oluşturdular. Modellerin hiçbiri önceden eğitilmemişti. Araştırmacılar daha sonra eğitimsiz sistemlere nesnelerin, insanların ve hayvanların görüntülerini gösterdi ve bu içsel aktiviteleri, aynı görüntüleri izleyen insan ve insan olmayan primatların beyin tepkileriyle karşılaştırdı. Neden Konvolüsyon Ağlar Öne Çıktı Trafolarda ve tam bağlantılı ağlarda yapay nöron sayısının artırılması anlamlı bir değişim yaratmadı. Ancak, konvolüsyon sinir ağlarındaki benzer ayarlamalar, insan beyninde görülenlerle daha yakın olan aktivite kalıplarına yol açtı. Araştırmacılara göre, bu eğitimsiz konvolüsyon modeller, genellikle milyonlarca hatta milyarlarca görüntüye maruz kalmayı gerektiren geleneksel yapay zeka sistemleriyle aynı seviyede performans sergiliyordu. Sonuçlar, mimariyanın beyin benzeri davranışı şekillendirmede daha önce düşünüldüğünden daha büyük bir rol oynadığını gösteriyor. Daha Zeki Yapay Zekaya Daha Hızlı Bir Yol ...