Архітектури, натхненні нейронаукою, для створення справді адаптивного ШІ Сучасні системи штучного інтелекту потужні, але крихкі. Навчіть модель, розгорніть її і спостерігайте, як продуктивність погіршується, коли світ змінюється. Перенавчаєшся на нових даних, і модель забуває те, що знала. Цей цикл створює системи, які досягають стабільних показників, але мають труднощі з постійною адаптацією — з чим біологічний інтелект справляється без зусиль. Миша може навчитися знаходити воду в новому лабіринті приблизно за десять спроб — швидкість навчання у 1000 разів швидша, ніж у традиційних лабораторних завданнях. Проте наші найскладніші нейронні мережі зазнають катастрофічного забуття, коли їх просять вчитися послідовно. Мозок пропонує іншу архітектуру. Вона працює не як єдина заплутана мережа, а як розумно взаємопов'язані спеціалізовані модулі — краї обробки візуальної кори, обчислення моторної кори у просторі сил, префронтальні області, що відстежують структуровану пам'ять, структуровану за завданнями. Кожен модуль створює внутрішні моделі, які оновлюються через помилки прогнозування, коли очікувані результати відрізняються від реальності. Ці знакові навчальні сигнали вже виявлені у сенсорних, моторних і винагородних схемах. Маккензі Вейгандт Матіс синтезує ці ідеї у пропозицію адаптивного агентного ШІ. Замість того, щоб шукати все більші монолітні фундаментальні моделі, вона виступає за системи доменно-специфічних енкодерів, результати яких спільно оптимізуються у спільному латентному просторі. Кожен енкодер контролюється сигналами прогнозування помилок — надійні енкодери залишаються «заблокованими», тоді як ті, що показують погіршену продуктивність, «розблоковуються» для безперервного навчання за допомогою відтворення пам'яті або синаптичного інтелекту, не виводячи всю систему з ладу. Ширший принцип: структуруючи ШІ навколо модульності, натхненної нейронаукою, та оновлення на основі помилок прогнозування, а не монолітного масштабу, стає можливим вийти за межі статичних моделей до справді адаптивного інтелекту — систем, які постійно вдосконалюють свої моделі світу через взаємодію з ним. Стаття: