محققان دو مدل هوش مصنوعی را به هم متصل می کنند و آنها را قادر به برقراری ارتباط می کند

دانشمندان دانشگاه ژنو با ایجاد یک شبکه عصبی مصنوعی که وظایف را قبل از برقراری ارتباط با هوش مصنوعی دیگری که می تواند آنها را تکرار کند، یاد می گیرد، شکاف هوش مصنوعی را پر کرده اند.

انسان ها می توانند وظایف جدید را از دستورالعمل های کوتاه درک کنند و تکلیف آموخته شده را به خوبی بیان کنند تا فرد دیگری بتواند آن را تکرار کند. این جزء جدایی ناپذیر ارتباطات انسانی است و یکی از ویژگی های کلیدی دنیای خودآگاه ما است.

این هدف جذاب مطالعه، مشروح در علوم اعصاب طبیعت، به هوش مصنوعی نوعی ارتباط انسانی و یادگیری که مدتهاست از فناوری دور مانده است.

این پروژه به رهبری الکساندر پوژ، استاد دانشکده پزشکی UNIGE، به همراه تیمش، به تکنیک های پیشرفته در پردازش زبان طبیعی – زیر مجموعه ای از هوش مصنوعی می پردازد. تمرکز بر درک ماشین و پاسخ به زبان انسان .

پوژه محدودیت های فعلی هوش مصنوعی را در این زمینه توضیح می دهد و در مقاله منتشر شده در وب سایت دانشگاه ژنو: “در حال حاضر، عوامل مکالمه با استفاده از هوش مصنوعی قادر به ادغام اطلاعات زبانی برای تولید متن یا تصویر هستند. اما، تا آنجا که ما می دانیم، آنها هنوز قادر نیستند یک دستورالعمل شفاهی یا نوشتاری را به یک عمل حسی-حرکتی ترجمه کنند، و حتی کمتر آن را به هوش مصنوعی دیگری توضیح دهند تا بتواند آن را بازتولید کند.»

تیم ژنو یک مدل عصبی مصنوعی با درک زبان (ANN)، S-Bert را بهبود بخشید.

آنها S-Bert را به یک شبکه کوچکتر و ساده تر وصل کردند و مناطق درک زبان و تولید مغز انسان – مناطق Wernicke و Broca – را شبیه سازی کردند.

از طریق آموزش، این شبکه می تواند وظایف را بر اساس دستورالعمل های مکتوب انگلیسی اجرا کند و سپس این وظایف را به صورت زبانی به یک شبکه “خواهر” منتقل کند، و به دو هوش مصنوعی اجازه می دهد تا دستورالعمل های وظیفه را با هم ارتباط برقرار کنند. صرفاً از طریق زبان.

ریدار ریولند، دکتری. دانشجوی شرکت کننده در این مطالعه توضیح داد: «ما با یک مدل موجود از نورون های مصنوعی به نام S-Bert شروع کردیم که ۳۰۰ میلیون نورون دارد و برای درک زبان از قبل آموزش دیده است. ما آن را به یک شبکه ساده تر از چند هزار نورون دیگر “متصل کردیم.”

وظایف از دستورالعمل های ساده مانند اشاره به یک مکان تا دستورات پیچیده تر که نیاز به شناسایی تضادهای ظریف بین محرک های بصری دارند، متغیر بودند.

در اینجا دستاوردهای کلیدی این مطالعه آمده است:

• سیستم هوش مصنوعی می‌توانست دستورالعمل‌ها را هم درک کند و هم اجرا کند و در ۸۳ درصد مواقع تنها بر اساس دستورالعمل‌های زبانی، وظایف جدید و دیده نشده را به درستی انجام دهد.
• این سیستم می‌تواند شرح وظایف آموخته‌شده را به‌گونه‌ای ایجاد کند که به هوش مصنوعی دوم امکان می‌دهد این وظایف را با میزان موفقیت مشابهی درک و تکرار کند.< /span>

این پتانسیل مدل‌های هوش مصنوعی را برای یادگیری و برقراری ارتباط زبانی وظایف را افزایش می‌دهد و فرصت‌های جدیدی را در رباتیک باز می‌کند.

درک زبانی را با توابع حسی-حرکتی ادغام می کند، به این معنی که هوش مصنوعی می تواند مکالمه داشته باشد و زمانی که یک دستورالعمل از آن درخواست می کند کاری را انجام دهد مانند گرفتن چیزی از قفسه یا حرکت در یک مکان خاص. جهت.

“شبکه ای که ما توسعه داده ایم بسیار کوچک است. در حال حاضر هیچ چیز مانع توسعه، بر این اساس، شبکه های بسیار پیچیده تری نیست که در ربات های انسان نما که قادر به درک ما و همچنین درک یکدیگر باشند، ادغام شوند.

همراه با سرمایه گذاری های عظیم اخیر در رباتیک هوش مصنوعی شرکت‌هایی مانند Figure AI، اندرویدهای هوشمند ممکن است از آنچه ما فکر می‌کنیم به واقعیت نزدیک‌تر باشند.