{"id":10819,"date":"2024-03-19T20:16:40","date_gmt":"2024-03-19T20:16:40","guid":{"rendered":"https:\/\/dailyai.com\/?p=10819"},"modified":"2024-03-19T20:23:53","modified_gmt":"2024-03-19T20:23:53","slug":"researchers-connect-two-ai-models-enabling-them-to-communicate","status":"publish","type":"post","link":"https:\/\/dailyai.com\/nl\/2024\/03\/researchers-connect-two-ai-models-enabling-them-to-communicate\/","title":{"rendered":"Onderzoekers verbinden twee AI-modellen, waardoor ze kunnen communiceren"},"content":{"rendered":"

Wetenschappers van de Universiteit van Gen\u00e8ve hebben een kloof in AI overbrugd door een kunstmatig neuraal netwerk te maken dat taken leert voordat het deze doorgeeft aan een andere AI, die ze kan repliceren.\u00a0<\/b><\/p>\n

Mensen kunnen nieuwe taken begrijpen aan de hand van korte instructies en de geleerde taak goed genoeg verwoorden zodat een ander hem kan nadoen. Dit is een integraal onderdeel van menselijke communicatie en een belangrijk kenmerk van onze bewuste wereld.\u00a0<\/span><\/p>\n

Deze fascinerende <\/span>onderzoek<\/span><\/a>gedetailleerd in <\/span>Neurowetenschappen<\/span><\/i>geeft AI een vorm van menselijke communicatie en leren die de technologie lange tijd is ontgaan.\u00a0<\/span><\/p>\n

Het project, dat wordt geleid door Alexandre Pouget, een professor aan de Faculteit Geneeskunde van UNIGE, en zijn team, verdiept zich in geavanceerde technieken binnen natuurlijke taalverwerking - een subset van AI die zich richt op het begrijpen van machines en het reageren op menselijke taal<\/a>.\u00a0<\/span><\/p>\n

Pouget legt de huidige beperkingen van AI in deze context uit, waarbij hij opmerkt in een <\/span>artikel<\/span><\/a> gepubliceerd op de website van de Universiteit van Gen\u00e8ve: \"Op dit moment zijn conversatie-agenten die gebruik maken van AI in staat om lingu\u00efstische informatie te integreren om tekst of een afbeelding te produceren. Maar, voor zover we weten, zijn ze nog niet in staat om een verbale of geschreven instructie te vertalen naar een sensorimotorische actie, en nog minder om het uit te leggen aan een andere kunstmatige intelligentie zodat deze het kan reproduceren.\"<\/span><\/p>\n

Het Geneva-team verbeterde een bestaand kunstmatig neuraal model (ANN) voor taalbegrip, S-Bert. <\/span><\/p>\n

Ze verbonden S-Bert met een kleiner, eenvoudiger netwerk dat de taalperceptie- en productiegebieden van de menselijke hersenen simuleert - de Wernicke- en Broca-gebieden.<\/span><\/p>\n

Door training kon dit netwerk taken uitvoeren op basis van geschreven Engelse instructies en deze taken vervolgens taalkundig overbrengen naar een \"zuster\"-netwerk, waardoor de twee AI's puur via taal over taakinstructies konden communiceren.<\/span><\/p>\n

Reidar Riveland, een promovendus die betrokken was bij het onderzoek, legde uit: \"We begonnen met een bestaand model van kunstmatige neuronen, S-Bert, dat 300 miljoen neuronen heeft en vooraf getraind is om taal te begrijpen. We 'verbonden' het met een ander, eenvoudiger netwerk van een paar duizend neuronen.\"<\/span><\/p>\n

De taken varieerden van eenvoudige instructies zoals het aanwijzen van een locatie tot complexere opdrachten waarbij subtiele contrasten tussen visuele stimuli ge\u00efdentificeerd moesten worden.\u00a0<\/span><\/p>\n

Dit zijn de belangrijkste resultaten van het onderzoek:<\/span><\/p>\n