Kiến trúc lấy cảm hứng từ khoa học thần kinh để xây dựng AI thực sự thích ứng Các hệ thống AI hiện đại rất mạnh mẽ nhưng dễ bị tổn thương. Huấn luyện một mô hình, triển khai nó, và theo dõi hiệu suất giảm sút khi thế giới thay đổi. Huấn luyện lại trên dữ liệu mới, và mô hình quên những gì nó đã biết. Chu trình này tạo ra các hệ thống xuất sắc trong các tiêu chuẩn tĩnh nhưng gặp khó khăn trong việc thích ứng liên tục—điều mà trí thông minh sinh học xử lý một cách dễ dàng. Một con chuột có thể học nhanh để tìm nước trong một mê cung mới trong khoảng mười lần thử, với tốc độ học nhanh gấp 1.000 lần so với các nhiệm vụ trong phòng thí nghiệm truyền thống. Tuy nhiên, các mạng nơ-ron tinh vi nhất của chúng ta lại gặp phải tình trạng quên thảm khốc khi được yêu cầu học theo trình tự. Não bộ cung cấp một kiến trúc khác. Nó hoạt động không như một mạng lưới rối rắm đơn lẻ mà như các mô-đun chuyên biệt được kết nối thông minh—vỏ não thị giác xử lý các cạnh, vỏ não vận động tính toán trong không gian lực, các vùng trước trán theo dõi trí nhớ có cấu trúc nhiệm vụ. Mỗi mô-đun xây dựng các mô hình nội bộ được cập nhật thông qua các lỗi dự đoán khi các kết quả mong đợi khác biệt với thực tế. Những tín hiệu giảng dạy có dấu hiệu này hiện đã được phát hiện trên các mạch cảm giác, vận động và phần thưởng. Mackenzie Weygandt Mathis tổng hợp những hiểu biết này thành một đề xuất cho AI tác nhân thích ứng. Thay vì theo đuổi các mô hình nền tảng đơn khối ngày càng lớn, cô lập luận cho các hệ thống mã hóa theo miền cụ thể mà đầu ra của chúng được tối ưu hóa chung trong một không gian tiềm ẩn chia sẻ. Mỗi bộ mã hóa được giám sát bởi các tín hiệu lỗi dự đoán—các bộ mã hóa mạnh mẽ vẫn "khóa" trong khi những bộ cho thấy hiệu suất giảm sút được "mở khóa" để học liên tục bằng cách sử dụng phát lại trí nhớ hoặc trí thông minh synaptic, mà không cần đưa toàn bộ hệ thống offline. Nguyên tắc rộng hơn: bằng cách cấu trúc AI xung quanh tính mô-đun lấy cảm hứng từ khoa học thần kinh và cập nhật dựa trên lỗi dự đoán thay vì quy mô đơn khối, có thể di chuyển ra ngoài các mô hình tĩnh hướng tới trí thông minh thực sự thích ứng—các hệ thống liên tục tinh chỉnh các mô hình của chúng về thế giới thông qua tương tác với nó. Bài báo: