Сьогоднішній штучний інтелект – це система, яка працює на основі статистики, і такий підхід не схожий на роботу біологічного штучного інтелекту. Дослідники IBM Дмітрій Кротов та Джон Хопфілд створили алгоритми, за якими комп’ютери можуть працювати так само вільно, як людський мозок. Із цим підходом машини зможуть навчатися без учителя, якого потребують сучасні технології машинного навчання.
«Якщо ми говоримо про реальну нейробіологію, є багато важливих деталей її функціонування: складні біофізичні механізми динамічної нейропередачі в синаптичних з’єднаннях, існування більше одного типу клітин, деталі пікових активностей цих клітин тощо, – розповів Кротов в інтерв’ю виданню The Next Web. – У нашій роботі ми ігноруємо більшість цих деталей. Натомість, ми використовуємо один відомий у біологічних нейромережах принцип: ідею локальності. Нейрони взаємодіють один з одним лише в парах».
Науковці кажуть, що їхня модель не є копіюванням реальної біології, а більше схожа на віддалену математичну абстракцію з ключовою концепцією – локальністю.
Сучасні методи глибокого машинного навчання часто спираються на техніку під назвою «зворотна передача», яка дозволяє натренувати нейромережу досягати бажаних результатів. При цьому часто нейромережам заздалегідь повідомляється, які задачі вони повинні виконувати.
Це не працює в людському мозку, оскільки такий метод спирається на нелокальні дані. Мозок, наприклад, може без будь-якого формального тренування обробляти зображення, навіть ті, що ніколи не бачив.
Науковці переконані, що за подібними алгоритмами полягає майбутнє в розвитку штучного інтелекту. Поки що розробка є більше доказом працездатності нового підходу, і лише час покаже його ефективність у реальних завданнях.
