Tim sa Univerziteta u Ženevi (UNIGE) uspeo je da modelira veštačku neuronsku mrežu koja je sposobna za ovu kognitivnu sposobnost. Nakon što je naučila i izvela niz osnovnih zadataka, ova veštačka inteligencija (AI) bila je u mogućnosti da pruži lingvistički opis tih zadataka „sestri“ AI, koja ih je zatim izvodila. Ovi obećavajući rezultati, posebno za robotiku, objavljeni su u časopisu „Nature Neuroscience“.
Izvođenje novog zadatka bez prethodne obuke, samo na osnovu verbalnih ili pisanih uputstava, jedinstvena je ljudska sposobnost.
Štaviše, nakon što naučimo zadatak, sposobni smo da ga opišemo tako da druga osoba može da ga reprodukuje. Ova dvostruka sposobnost razlikuje nas od drugih vrsta koje, da bi naučile novi zadatak, zahtevaju brojne pokušaje praćene signalima pozitivne ili negativne podrške, a ne mogu to komunicirati svojim vrsnicima.
Područje veštačke inteligencije (AI) – obrada prirodnog jezika – nastoji da rekreira ovu ljudsku sposobnost, sa mašinama koje razumeju i odgovaraju na vokalne ili tekstualne podatke.
Ova tehnika se zasniva na veštačkim neuronskim mrežama, nadahnutim našim biološkim neuronima i načinom na koji oni prenose električne signale jedni drugima u mozgu.
Međutim, neuronski izračuni koji bi omogućili postizanje opisanog kognitivnog zadatka još uvek su slabo shvaćeni.
“Trenutno, konverzacioni agenti koji koriste AI sposobni su da integrišu lingvističke informacije kako bi proizveli tekst ili sliku. No, koliko znamo, još uvek nisu sposobni da prevedu verbalnu ili pisanu instrukciju u senzorimotornu radnju, a još manje je objasne drugoj veštačkoj inteligenciji kako bi je reprodukovala,“ objašnjava Alexandre Pouget, redovni profesor na Odeljenju za osnovne neuro-nauke na Medicinskom fakultetu UNIGE-a.
Model mozga
Istraživač i njegov tim uspeli su da razviju veštački neuronski model sa ovom dvostrukom sposobnošću, iako uz prethodnu obuku.
“Počeli smo sa postojećim modelom veštačkih neurona, S-Bertom, koji ima 300 miliona neurona i prethodno je obučen za razumevanje jezika. ‘Povezali’ smo ga sa drugom, jednostavnijom mrežom nekoliko hiljada neurona,“ objašnjava Reidar Riveland, doktorant na Odeljenju za osnovne neuro-nauke na Medicinskom fakultetu UNIGE-a i prvi autor studije.
U prvom delu eksperimenta, neuro-naučnici su trenirali ovu mrežu da simulira Wernickeovu površinu, deo našeg mozga koji nam omogućava percepciju i interpretaciju jezika.
U drugom delu, mreža je trenirana da reprodukuje Brocine površine, koja, pod uticajem Wernickeove površine, odgovorna je za proizvodnju i artikulaciju reči.
Ceo proces je izveden na običnim prenosnim računarima
Pisane instrukcije na engleskom jeziku zatim su prenesene AI-u.
Na primer: ukazivanje na mesto – levo ili desno – gde se percepira stimulus; odgovor u suprotnom smeru od stimulusa; ili, složenije, između dva vizuelna stimulansa sa blagom razlikom u kontrastu, pokazujući svetliji.
Naučnici su zatim ocenili rezultate modela, koji su simulirali nameru kretanja, ili u ovom slučaju, ukazivanja.
“Kada su ti zadaci naučeni, mreža je bila sposobna da ih opiše drugoj mreži – kopiji prve – tako da ih može reprodukovati. Koliko znamo, ovo je prvi put da su dve AI bile sposobne da razgovaraju međusobno na potpuno lingvistički način,“ kaže Alexandre Pouget, koji je vodio istraživanje.
Za buduće humanoide
Ovaj model otvara nove horizonte za razumevanje interakcije između jezika i ponašanja. Posebno je obećavajuće za sektor robotike, gde je razvoj tehnologija koje omogućavaju mašinama da razgovaraju međusobno ključno pitanje. “Mreža koju smo razvili vrlo je mala. Ništa sada ne stoji na putu razvoja, na ovoj osnovi, mnogo složenijih mreža koje bi bile integrisane u humanoide robote sposobne da nas razumeju, ali i razumeju jedan drugog,“ zaključuju dva istraživača.
