Nagu laps, võib see ajust inspireeritud tehisintellekt selgitada selle põhjuseid

Lapsed on loodusteadlased. Nad jälgivad maailma, loovad hüpoteese ja testivad neid. Lõpuks õpivad nad selgitama oma (mõnikord meeldivalt lõbusaid) mõttekäike.

AI, mitte nii palju. Pole kahtlust, et süvaõpe – lõdvalt ajul põhinev masinõpe – muudab tehnoloogiat dramaatiliselt. Alates äärmuslike ilmastikutingimuste ennustamisest kuni uute ravimite väljatöötamiseni või surmavate vähivormide diagnoosimiseni integreeritakse tehisintellekti üha enam teaduse piirid.

Kuid sügaval õppimisel on tohutu puudus: algoritmid ei saa oma vastuseid õigustada. See läbipaistmatus, mida sageli nimetatakse "musta kasti" probleemiks, takistab nende kasutamist kõrge riskiga olukordades, näiteks meditsiinis. Patsiendid tahavad selgitust, kui neil on diagnoositud elu muutev haigus. Praegu ei suuda sügaval õppimisel põhinevad algoritmid seda teavet anda, isegi kui neil on kõrge diagnostiline täpsus.

Musta kasti avamiseks kasutas Texase ülikooli Southwesterni meditsiinikeskuse meeskond inspiratsiooni saamiseks inimmõistust. sisse uuringus in Looduse arvutusteadus, ühendasid nad ajuvõrkude uurimise põhimõtted traditsioonilisema AI-lähenemisega, mis tugineb seletatavatele ehitusplokkidele.

Saadud tehisintellekt käitub natuke nagu laps. See koondab erinevat tüüpi teabe "jaoturiteks". Seejärel transkribeeritakse iga jaotur inimestele lugemiseks mõeldud kodeerimisjuhisteks – programmeerijatele mõeldud CliffsNotes, mis selgitab lihtsas inglise keeles algoritmi järeldusi andmetest leitud mustrite kohta. Samuti võib see katsetamiseks genereerida täielikult käivitatavat programmeerimiskoodi.

„Süvadestilleerimiseks” nimetatud tehisintellekt töötab teadlasena, kui talle esitatakse väljakutseid mitmesuguste ülesannete täitmisel, nagu keerulised matemaatikaülesanded ja pildituvastus. Andmetes tuhnides destilleerib AI need samm-sammult algoritmideks, mis suudavad ületada inimese loodud algoritme.

"Sügavdestilleerimine võimaldab avastada üldistavaid põhimõtteid, mis täiendavad inimteadmisi," kirjutas meeskond oma lehes.

Õhuke paber

AI eksib mõnikord pärismaailmas. Võtke robotaxis. Eelmisel aastal jäid mõned San Francisco naabruskonda korduvalt kinni – see häiris kohalikke elanikke, kuid sai siiski naerda. Tõsisemalt blokeerisid isejuhtivad sõidukid liiklust ja kiirabi ning ühel juhul tegid jalakäijale kohutavalt kahju.

Ka tervishoius ja teadusuuringutes võivad ohud olla suured.

Kui rääkida nendest kõrge riskiga domeenidest, siis algoritmid "nõuavad madalat veataluvust," ütles Beiruti Ameerika ülikooli dr Joseph Bakarji, kes ei osalenud uuringus. kirjutas kaasloos teosest.

Enamiku süvaõppe algoritmide takistuseks on nende seletamatus. Need on üles ehitatud mitmekihiliste võrkudena. Võttes vastu tonni töötlemata teavet ja saades lugematul hulgal tagasisidet, kohandab võrk oma ühendusi, et anda lõpuks täpseid vastuseid.

See protsess on sügava õppimise keskmes. Kuid see vaevab, kui andmeid pole piisavalt või kui ülesanne on liiga keeruline.

Aastal 2021, meeskond välja töötanud AI mis võttis teistsuguse lähenemise. Närvivõrk, mida nimetatakse "sümboolseks" arutluseks, kodeerib andmeid jälgides selgeid reegleid ja kogemusi.

Võrreldes süvaõppega on sümboolseid mudeleid inimestel lihtsam tõlgendada. Mõelge tehisintellektile kui Lego klotside komplektile, millest igaüks esindab objekti või kontseptsiooni. Need võivad loominguliselt kokku sobida, kuid ühendused järgivad selgeid reegleid.

Iseenesest on AI võimas, kuid rabe. See tugineb ehitusplokkide leidmisel suuresti varasematele teadmistele. Kui uues olukorras ilma eelneva kogemuseta väljakutse esitatakse, ei suuda see kastist välja mõelda – ja see puruneb.

Siin tuleb appi neuroteadus. Meeskond sai inspiratsiooni konnekoomidest, mis on mudelid erinevate ajupiirkondade koostöö kohta. Ühendades selle ühenduvuse sümboolse arutluskäiguga, lõid nad tehisintellekti, millel on kindel ja seletatav alus, kuid mis suudab ka uute probleemidega silmitsi seistes paindlikult kohaneda.

Mitmes testis võitis "neurokognitiivne" mudel teisi sügavaid närvivõrke ülesannete puhul, mis nõudsid arutluskäiku.

Kuid kas andmete ja inseneride algoritmide abil saab seda seletada?

Inimlik puudutus

Teadusliku avastuse üks raskemaid osi on mürarikaste andmete jälgimine ja järelduse destilleerimine. See protsess viib uute materjalide ja ravimiteni, sügavamale bioloogia mõistmisele ja arusaamadeni meie füüsilisest maailmast. Sageli on see korduv protsess, mis võtab aastaid.

AI võib olla võimeline asju kiirendama ja potentsiaalselt leida mustreid, mis on inimmõistusest välja jäänud. Näiteks on süvaõpe olnud eriti kasulik valgustruktuuride ennustamisel, kuid selle põhjendusi nende struktuuride ennustamiseks on keeruline mõista.

"Kas me saame kavandada õppealgoritme, mis destilleerivad vaatlused lihtsateks ja kõikehõlmavateks reegliteks, nagu inimesed tavaliselt teevad?" kirjutas Bakarji.

Uus uuring võttis meeskonna olemasoleva neurokognitiivse mudeli ja andis sellele täiendava ande: koodi kirjutamise võime.

Süvadestilleerimiseks rühmitab AI sarnased mõisted kokku, kusjuures iga tehisneuron kodeerib konkreetset kontseptsiooni ja selle seost teistega. Näiteks võib üks neuron õppida kassi mõistet ja teada, et see erineb koerast. Teine tüüp käsitleb muutlikkust, kui talle esitatakse väljakutse uue pildiga – näiteks tiigriga –, et teha kindlaks, kas see sarnaneb rohkem kassi või koeraga.

Need kunstlikud neuronid on seejärel virnastatud hierarhiasse. Iga kihiga eristab süsteem üha enam mõisteid ja lõpuks leiab lahenduse.

Selle asemel, et tehisintellekt saaks võimalikult palju andmeid kokku suruda, toimub koolitus samm-sammult – peaaegu nagu väikelapse õpetamine. See võimaldab hinnata tehisintellekti arutluskäiku, kuna see lahendab järk-järgult uusi probleeme.

Võrreldes tavalise närvivõrgu koolitusega, on AI-sse sisse ehitatud iseenesestmõistetav aspekt, selgitas Bakarji.

Testis esitas meeskond tehisintellektile väljakutse klassikalise videomänguga – Conway mänguga elule. Esmakordselt 1970ndatel välja töötatud mängu eesmärk on digitaalse raku kasvatamine erinevateks mustriteks, võttes aluseks kindlad reeglid (proovige ise siin). Simuleeritud mänguandmetega koolitatud tehisintellekt suutis ennustada võimalikke tulemusi ja muuta oma arutluskäigu inimloetavateks juhisteks või arvutiprogrammeerimiskoodiks.

Tehisintellekt töötas hästi ka paljudes muudes ülesannetes, nagu piltidel joonte tuvastamine ja keeruliste matemaatikaülesannete lahendamine. Mõnel juhul genereeris see loomingulise arvutikoodi, mis ületas väljakujunenud meetodeid ja suutis selgitada, miks.

Sügavdestilleerimine võib anda tõuke füüsika- ja bioloogiateadustele, kus lihtsatest osadest tekivad äärmiselt keerulised süsteemid. Üks meetodi potentsiaalne rakendus on DNA funktsioone dekodeerivate teadlaste kaasteadlane. Suur osa meie DNA-st on "tumeaine", kuna me ei tea, milline roll sellel on. Selgitatav AI võib potentsiaalselt purustada geneetilised järjestused ja aidata geneetikutel tuvastada haruldasi mutatsioone, mis põhjustavad laastavaid pärilikke haigusi.

Väljaspool teadusuuringuid on meeskond põnevil väljavaatest, et tehisintellekti ja inimeste koostöö on tugev.

"Neurosümboolsed lähenemised võib potentsiaalselt võimaldada rohkem inimesesarnaseid masinõppe võimalusi, ”kirjutas meeskond.

Bakarji nõustub. Uus uuring ületab tehnilisi edusamme, puudutades eetilisi ja ühiskondlikke väljakutseid, millega täna silmitsi seisame. Seletatavus võiks toimida kaitsepiirdena, aidates AI-süsteemidel sünkroonida inimeste väärtustega, kui neid koolitatakse. Kõrge riskiga rakenduste (nt arstiabi) puhul võib see usaldust tekitada.

Praegu töötab algoritm kõige paremini probleemide lahendamisel, mida saab jagada mõisteteks. See ei saa hakkama pidevate andmetega, näiteks videovoogudega.

See on sügavdestilleerimise järgmine samm, kirjutas Bakarji. See "avaks uusi võimalusi teaduslikus andmetöötluses ja teoreetilises uurimistöös."

Image Credit: 7AV 7AV / Unsplash 

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://singularityhub.com/2024/02/22/like-a-child-this-brain-inspired-ai-can-explain-its-reasoning/