Тим са Универзитета у Женеви (UNIGE) успео је да моделира вештачку неуронску мрежу која је способна за ову когнитивну способност. Након што је научила и извела низ основних задатака, ова вештачка интелигенција (AI) била је у могућности да пружи лингвистички опис тих задатака „сестри“ AI, која их је затим изводила. Ови обећавајући резултати, посебно за роботику, објављени су у часопису „Nature Neuroscience“.
Извођење новог задатка без претходне обуке, само на основу вербалних или писаних упутстава, јединствена је људска способност.
Штавише, након што научимо задатак, способни смо да га опишемо тако да друга особа може да га репродукује. Ова двострука способност разликује нас од других врста које, да би научиле нови задатак, захтевају бројне покушаје праћене сигналима позитивне или негативне подршке, а не могу то комуницирати својим врсницима.
Подручје вештачке интелигенције (АI) – обрада природног језика – настоји да рекреира ову људску способност, са машинама које разумеју и одговарају на вокалне или текстуалне податке.
Ова техника се заснива на вештачким неуронским мрежама, надахнутим нашим биолошким неуронима и начином на који они преносе електричне сигнале једни другима у мозгу.
Међутим, неуронски израчуни који би омогућили постизање описаног когнитивног задатка још увек су слабо схваћени.
“Тренутно, конверзациони агенти који користе АI способни су да интегришу лингвистичке информације како би произвели текст или слику. Но, колико знамо, још увек нису способни да преведу вербалну или писану инструкцију у сензоримоторну радњу, а још мање је објасне другој вештачкој интелигенцији како би је репродуковала,“ објашњава Alexandre Pouget, редовни професор на Одељењу за основне неуро-науке на Медицинском факултету UNIGE-а.
Модел мозга
Истраживач и његов тим успели су да развију вештачки неуронски модел са овом двоструком способношћу, иако уз претходну обуку.
“Почели смо са постојећим моделом вештачких неурона, S-Bertom, који има 300 милиона неурона и претходно је обучен за разумевање језика. ‘Повезали’ смо га са другом, једноставнијом мрежом неколико хиљада неурона,“ објашњава Reidar Riveland, докторант на Одељењу за основне неуро-науке на Медицинском факултету UNIGЕ-а и први аутор студије.
У првом делу експеримента, неуро-научници су тренирали ову мрежу да симулира Wernickeovu површину, део нашег мозга који нам омогућава перцепцију и интерпретацију језика.
У другом делу, мрежа је тренирана да репродукује Броцине површине, која, под утицајем Wernickeove површине, одговорна је за производњу и артикулацију речи.
Цео процес је изведен на обичним преносним рачунарима
Писане инструкције на енглеском језику затим су пренесене АI-u.
На пример: указивање на место – лево или десно – где се перцепира стимулус; одговор у супротном смеру од стимулуса; или, сложеније, између два визуелна стимуланса са благом разликом у контрасту, показујући светлији.
Научници су затим оценили резултате модела, који су симулирали намеру кретања, или у овом случају, указивања.
“Када су ти задаци научени, мрежа је била способна да их опише другој мрежи – копији прве – тако да их може репродуковати. Колико знамо, ово је први пут да су две АI биле способне да разговарају међусобно на потпуно лингвистички начин,“ каже Alexandre Pouget, који је водио истраживање.
За будуће хуманоиде
Овај модел отвара нове хоризонте за разумевање интеракције између језика и понашања. Посебно је обећавајуће за сектор роботике, где је развој технологија које омогућавају машинама да разговарају међусобно кључно питање. “Мрежа коју смо развили врло је мала. Ништа сада не стоји на путу развоја, на овој основи, много сложенијих мрежа које би биле интегрисане у хуманоиде роботе способне да нас разумеју, али и разумеју један другог,“ закључују два истраживача.
