Geavanceerde AI heeft machines nodig die meer leren zoals mensen - ontsleutelen

Wetenschappers zeggen dat ze een stap dichter zijn bij het creëren van kunstmatige intelligentie die menselijk leren kan nabootsen.

Op een machine learning-conferentie die deze week in Honolulu werd gehouden, zeiden onderzoekers van de Ohio State University zei ze analyseerden een proces dat ‘continu leren’ wordt genoemd, waardoor een computer voortdurend nieuwe vaardigheden kan verwerven zonder eerdere kennis te vergeten – net zoals mensen voortbouwen op eerdere ervaringen om nieuwe dingen te leren.

Het team zei dat kunstmatige neurale netwerken last kunnen hebben van "catastrofaal vergeten", wat betekent dat wanneer ze nieuwe taken op zich nemen, ze informatie van eerdere training verliezen. Dit vormt een probleem naarmate de samenleving afhankelijker wordt van AI-systemen op het gebied van bijvoorbeeld zelfrijdende auto's.

"Omdat geautomatiseerde rijtoepassingen of andere robotsystemen nieuwe dingen leren, is het belangrijk dat ze de lessen die ze al hebben geleerd niet vergeten voor onze veiligheid en die van hen", zegt Ness Shroff, een Ohio Eminent Scholar en professor computerwetenschappen en ingenieur die de studie leidde.

De studie onthulde dat kunstmatige netwerken, net als mensen, beter informatie vasthouden wanneer ze worden getraind voor diverse, ongelijksoortige taken dan degenen die functies delen. Door een algoritme in een vroeg stadium verschillende taken aan te leren, wordt het vermogen om nieuwe informatie op te nemen groter.

"Ons werk luidt een nieuw tijdperk in van intelligente machines die kunnen leren en zich kunnen aanpassen zoals hun menselijke tegenhangers," zei Shroff.

Het onderzoek brengt wetenschappers dichter bij de ontwikkeling van AI die levenslang, mensachtig leren vertoont. Hierdoor kunnen algoritmen sneller worden opgeschaald en aangepast aan evoluerende omgevingen.

Het onderzoek van de Ohio State University was een van de tientallen presentaties die tijdens de 40e jaarlijkse bijeenkomst werden gehouden Internationale conferentie over machine learning.

Ook de conferentie kwam aan bod werk van een team van MIT dat gezegd hebbende, heeft het een techniek ontwikkeld die de creatie van deepfake-afbeeldingen kan verstoren door kleine ontwrichtende stukjes code in bronafbeeldingen te injecteren.

Techgigant Google zei dat zijn onderzoek naar AI en machine learning is opgenomen in meer dan 80 wetenschappelijke artikelen die zijn opgenomen in het ICML-programma, inclusief demonstraties van 3D-eiwitmodelbouwers AlphaFold, voortgang in fusie wetenschap, en nieuwe modellen zoals PALM-E voor robotica en Fenaki voor het genereren van video uit tekst.

Shakir Mohamed, directeur voor wetenschap, technologie en samenleving bij Google DeepMind, hield een keynote-speech over het begeleiden van machinaal leren met sociale doeleinden. Google DeepMind is een belangrijke sponsor van het evenement.

“Van gezondheidszorg tot klimaatverandering: machinaal leren heeft een enorm potentieel om grote uitdagingen aan te pakken en de samenleving vooruit te helpen”, zei Mohamed in een interview blogpost. “Door verschillende stemmen samen te brengen, kunnen we AI ontwikkelen waar alle mensen baat bij hebben.”

Noot van de redactie: dit verhaal is opgesteld met Decrypt AI uit bronnen waarnaar in de tekst wordt verwezen, en -Feit gecontroleerd door Ozawa.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://decrypt.co/150620/ai-learn-like-humans-catastrophic-forgetting-machine-learning-conference