Wissenschaftler der Universität Genf haben eine Lücke in der künstlichen Intelligenz geschlossen, indem sie ein künstliches neuronales Netz geschaffen haben, das Aufgaben lernt, bevor es diese an eine andere KI weitergibt, die sie dann reproduzieren kann.
Menschen können neue Aufgaben anhand kurzer Anweisungen erfassen und die gelernte Aufgabe so gut formulieren, dass eine andere Person sie nachmachen kann. Dies ist ein wesentlicher Bestandteil der menschlichen Kommunikation und ein Schlüsselmerkmal unserer bewussten Welt.
Diese faszinierende Studieausführlich in Nature Neurosciencegewährt der KI eine Form der menschlichen Kommunikation und des Lernens, die sich der Technologie lange entzogen hat.
Das von Alexandre Pouget, Professor an der medizinischen Fakultät der UNIGE, und seinem Team geleitete Projekt befasst sich mit fortschrittlichen Techniken zur Verarbeitung natürlicher Sprache - einem Teilbereich der künstlichen Intelligenz, der sich auf das maschinelle Verständnis und die Reaktion auf menschliche Sprache.
Pouget erläutert in diesem Zusammenhang die derzeitigen Grenzen der KI und stellt in einem Beitrag fest Artikel die auf der Website der Universität Genf veröffentlicht wurde: "Gegenwärtig sind KI-gestützte Gesprächsagenten in der Lage, sprachliche Informationen in einen Text oder ein Bild zu integrieren. Aber soweit wir wissen, sind sie noch nicht in der Lage, eine verbale oder schriftliche Anweisung in eine sensomotorische Handlung zu übersetzen, und noch weniger, sie einer anderen künstlichen Intelligenz zu erklären, damit diese sie reproduzieren kann".
Das Genfer Team verbesserte ein bestehendes künstliches neuronales Modell (ANN) zum Sprachverständnis, S-Bert.
Sie schlossen S-Bert an ein kleineres, einfacheres Netzwerk an, das die Sprachwahrnehmungs- und -produktionsbereiche des menschlichen Gehirns simuliert - die Wernicke- und Broca-Areale.
Durch Training könnte dieses Netz Aufgaben auf der Grundlage schriftlicher englischer Anweisungen ausführen und diese Aufgaben dann sprachlich an ein "Schwester"-Netz weitergeben, so dass die beiden KIs die Aufgabenanweisungen rein sprachlich kommunizieren könnten.
Reidar Riveland, ein an der Studie beteiligter Doktorand, erklärte: "Wir begannen mit einem bestehenden Modell künstlicher Neuronen, S-Bert, das 300 Millionen Neuronen hat und darauf trainiert ist, Sprache zu verstehen. Wir haben es mit einem anderen, einfacheren Netzwerk von einigen tausend Neuronen 'verbunden'."
Die Aufgaben reichten von einfachen Anweisungen wie dem Zeigen auf einen Ort bis hin zu komplexeren Befehlen, die das Erkennen feiner Kontraste zwischen visuellen Reizen erforderten.
Hier sind die wichtigsten Ergebnisse der Studie:
- Das KI-System konnte Anweisungen sowohl verstehen als auch ausführen und führte neue, unbekannte Aufgaben in 83% der Fälle allein auf der Grundlage sprachlicher Anweisungen korrekt aus.
- Das System könnte Beschreibungen von gelernten Aufgaben so erstellen, dass eine zweite KI diese Aufgaben mit einer ähnlichen Erfolgsquote verstehen und wiederholen kann.
Dies fördert das Potenzial von KI-Modellen, Aufgaben sprachlich zu lernen und zu kommunizieren, und eröffnet neue Möglichkeiten in der Robotik.
Es integriert sprachliches Verständnis mit sensomotorischen Funktionen, d. h. KIs könnten sich unterhalten und verstehen, wenn eine Anweisung sie auffordert, eine Aufgabe auszuführen, z. B. etwas aus einem Regal zu nehmen oder sich in eine bestimmte Richtung zu bewegen.
"Das Netzwerk, das wir entwickelt haben, ist sehr klein. Es steht nun nichts mehr im Wege, auf dieser Grundlage viel komplexere Netzwerke zu entwickeln, die in humanoide Roboter integriert werden könnten, die in der Lage sind, uns zu verstehen, aber auch, sich gegenseitig zu verstehen", teilten die Forscher der Studie mit.
Zusammen mit den jüngsten massiven Investitionen in die KI-Robotik Unternehmen wie Figure AIIntelligente Androiden könnten der Realität näher sein, als wir denken.
