Хотя ИИ обладают гораздо большей вычислительной мощностью, чем люди, они обычно достаточно монозадачны: "После правильного обучения их очень трудно научить [совершенно] новой задаче", — говорит соавтор исследования Павел Санда, научный сотрудник Института информатики Чешской академии наук, в статье в журнале Vice. "И если вам удается натренировать его для новой задачи, вы в итоге повреждаете старую память". Работа исследователей была опубликована в журнале PLOS Computational Biology.
Это явление известно в нейронауке как "катастрофическое забывание", объясняет ученый. К счастью, существует метод борьбы с этой так называемой "катастрофой". Это называется "консолидация памяти". Этот процесс позволяет нам преобразовывать недавние воспоминания в долгосрочную память. Эта трансформация часто происходит во время фаза быстрого сна. Это одна из основных причин, почему нам необходим сон. Хотя для нас такой сон естественен, для искусственного интеллекта это не так.
Если говорить более конкретно, то сегодня в большинстве случаев мы говорим о "машинном обучении". Таким образом, искусственный интеллект - это система, которой "скармливают" большое количество данных для "обучения" и извлечения логических связей для определенной цели. Его также называют "нейронной сетью", поскольку система логических связей вдохновлена нейронами в мозге. В этом эксперименте, выражаясь простым языком, ученые обучали искусственную нейронную сеть нескольким задачам, чередуя периоды обучения и периоды сна. "Сон" имитировался путем активации нейронов по определенной схеме.
Ученые сначала попытались обучить ИИ двум разным задачам, прежде чем ввести период сна. Однако этот метод не смог предотвратить стирание предыдущих данных. С другой стороны, оказалось, что чередование обучения и сна позволяло сохранить обучение предыдущего сеанса даже в случае другой задачи. В своих экспериментах они показали, что этот метод может позволить ИИ выучить два разных кормовых шаблона. Он был способен искать имитированные частицы пищи, избегая при этом токсичных. Объединение нескольких навыков может значительно расширить сферу применения машинного обучения.
Автор: new-science.ru
Заглавное изображение из открытых источников
