Avancerad AI behöver maskiner som lär sig mer som människor – Dekryptera

Forskare säger att de är ett steg närmare att skapa artificiell intelligens som kan efterlikna mänskligt lärande.

Vid en maskininlärningskonferens som hölls i Honolulu denna vecka, forskare vid Ohio State University sade de analyserade en process som kallas "kontinuerligt lärande", som gör det möjligt för en dator att kontinuerligt förvärva nya färdigheter utan att glömma tidigare kunskaper – ungefär som människor bygger på tidigare erfarenheter för att lära sig nya saker.

Teamet sa att artificiella neurala nätverk kan drabbas av "katastrofisk glömska", vilket innebär att när de tar på sig nya uppgifter förlorar de information från tidigare träning. Detta utgör ett problem när samhället blir mer beroende av AI-system inom områden som självkörande bilar.

"Eftersom automatiserade körtillämpningar eller andra robotsystem lärs ut nya saker, är det viktigt att de inte glömmer de lärdomar de redan har lärt sig för vår och deras säkerhet", säger Ness Shroff, en Ohio Eminent Scholar och professor i datavetenskap och ingenjör som ledde studien.

Studien avslöjade att, i likhet med människor, behåller konstgjorda nätverk information bättre när de tränas på olika, olika uppgifter snarare än sådana som delar funktioner. Genom att tidigt lära en algoritm olika uppgifter utökas dess förmåga att absorbera ny information.

"Vårt arbete förebådar en ny era av intelligenta maskiner som kan lära sig och anpassa sig som sina mänskliga motsvarigheter," sa Shroff.

Forskningen för forskare närmare att utveckla AI som uppvisar livslångt, människoliknande lärande. Detta skulle kunna göra det möjligt för algoritmer att skalas upp snabbare och anpassas till föränderliga miljöer.

Ohio State University-forskningen var en av dussintals presentationer som presenterades vid den 40:e årliga Internationell konferens om maskininlärning.

Konferensen innehöll också arbete av ett team på MIT som sa att den utvecklade en teknik som kunde störa skapandet av djupfalska bilder genom att injicera små störande kodbitar i källbilder.

Teknikjätten Google sa att dess forskning om AI och maskininlärning ingår i mer än 80 vetenskapliga artiklar som ingår i ICML-programmet, inklusive demonstrationer av 3D-proteinmodellerare AlphaFold, avancerar in fusionsvetenskap, och nya modeller som PALM-E för robotik och Phenaki för att generera video från text.

Shakir Mohamed, chef för vetenskap, teknik och samhälle på Google DeepMind, höll ett huvudtal om vägledning av maskininlärning med socialt syfte. Google DeepMind är en stor sponsor för evenemanget.

"Från sjukvård till klimatförändringar har maskininlärning en enorm potential för att tackla stora utmaningar och främja samhället," sa Mohamed i en blogginlägg. "Genom att föra samman olika röster kan vi utveckla AI som gynnar alla människor."

Redaktörens anmärkning: Den här historien skrevs med Decrypt AI från källor som hänvisas till i texten, och faktum kontrolleras av Ozawa.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Fordon / elbilar, Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• BlockOffsets. Modernisera miljökompensation ägande. Tillgång här.
• Källa: https://decrypt.co/150620/ai-learn-like-humans-catastrophic-forgetting-machine-learning-conference