Forskere fra universitetet i Genève har slået bro over et hul i AI ved at skabe et kunstigt neuralt netværk, der lærer opgaver, før det kommunikerer dem til en anden AI, som kan kopiere dem.
Mennesker kan forstå nye opgaver ud fra korte instruktioner og formulere den indlærte opgave godt nok til, at en anden person kan gentage den. Dette er en integreret del af den menneskelige kommunikation og et centralt træk ved vores bevidste verden.
Denne fascinerende undersøgelse, beskrevet i Naturvidenskabelig neurovidenskabgiver AI en form for menneskelig kommunikation og læring, som længe har undgået teknologien.
Projektet, der ledes af Alexandre Pouget, professor ved UNIGE's medicinske fakultet, og hans team, dykker ned i avancerede teknikker inden for naturlig sprogbehandling - en delmængde af kunstig intelligens, der fokuserer på maskinforståelse og respons på Det menneskelige sprog.
Pouget forklarer de nuværende begrænsninger ved AI i denne sammenhæng og bemærker i en artikel offentliggjort på universitetet i Genèves hjemmeside: "I øjeblikket er samtaleagenter, der bruger AI, i stand til at integrere sproglige oplysninger for at producere tekst eller et billede. Men så vidt vi ved, er de endnu ikke i stand til at oversætte en mundtlig eller skriftlig instruktion til en sensomotorisk handling og slet ikke til at forklare den for en anden kunstig intelligens, så den kan gengive den."
Genève-teamet forbedrede en eksisterende kunstig neural model (ANN) til sprogforståelse, S-Bert.
De forbandt S-Bert med et mindre, enklere netværk, der simulerede den menneskelige hjernes sprogopfattelses- og produktionsområder - Wernicke- og Broca-områderne.
Gennem træning kunne dette netværk udføre opgaver baseret på skriftlige engelske instruktioner og derefter formidle disse opgaver sprogligt til et "søster"-netværk, så de to AI'er kunne kommunikere opgaveinstruktioner udelukkende gennem sprog.
Reidar Riveland, som er ph.d.-studerende og involveret i undersøgelsen, forklarer: "Vi startede med en eksisterende model af kunstige neuroner, S-Bert, som har 300 millioner neuroner og er forudtrænet til at forstå sprog. Vi "forbandt" den med et andet, enklere netværk med nogle få tusinde neuroner."
Opgaverne spændte fra enkle instruktioner som at pege på et sted til mere komplekse kommandoer, der krævede identifikation af subtile kontraster mellem visuelle stimuli.
Her er undersøgelsens vigtigste resultater:
- AI-systemet kunne både forstå og udføre instruktioner og udføre nye, usete opgaver korrekt 83% af tiden baseret på sproglige instruktioner alene.
- Systemet kunne generere beskrivelser af indlærte opgaver på en måde, der gjorde det muligt for en anden AI at forstå og gentage disse opgaver med en lignende succesrate.
Dette fremmer potentialet for AI-modeller til at lære og kommunikere opgaver sprogligt, hvilket åbner nye muligheder inden for robotteknologi.
Den integrerer sproglig forståelse med sensomotoriske funktioner, hvilket betyder, at AI'er kan tale sammen og forstå, når en instruktion beder den om at udføre en opgave som at tage noget ned fra en hylde eller bevæge sig i en bestemt retning.
"Det netværk, vi har udviklet, er meget lille. Intet står nu i vejen for at udvikle langt mere komplekse netværk på dette grundlag, som kan integreres i humanoide robotter, der er i stand til at forstå os, men også til at forstå hinanden," siger forskerne om undersøgelsen.
Sammen med de seneste massive investeringer i AI-robotteknologi virksomheder som Figure AIer intelligente androider måske tættere på virkeligheden, end vi tror.
