AI wkrótce może nie potrzebować ogromnych ilości danych, aby się szkolić

Udoskonalenie sztucznej inteligencji tak, aby przypominała ludzki mózg, może być ważniejsze niż zalewanie jej ogromną ilością danych. Nowe badania wykazały, że sztuczna inteligencja wcale nie potrzebuje niekończących się danych treningowych, aby zacząć lepiej i efektywniej działać. Naukowcy z Uniwersytetu Johnsa Hopkinsa przeprojektowali systemy sztucznej inteligencji tak, aby lepiej przypominały mózgi biologiczne i zaobserwowali, że niektóre modele generowały aktywność, podobną do mózgowej, bez żadnego treningu. Odkrycie podważa dotychczasową tezę Odkrycie to podważa dzisiejsze, oparte na dużych ilościach danych, podejście do rozwoju sztucznej inteligencji. Badania wyraźnie sugerują, że inteligentniejsze projektowanie mogłoby znacząco przyspieszyć uczenie się AI, jednocześnie obniżając koszty i zużycie energii. Okazuje się, że istnieją też inne drogi do inteligentniejszej sztucznej inteligencji, nie tylko większe zbiory danych i większa moc obliczeniowa.  Struktura, a nie tylko ilość przetwarzanych danych Zespół badaczy z Uniwersytetu Johnsa Hopkinsa pokazał, że systemy sztucznej inteligencji oparte na projektach inspirowanych biologią, mogą zacząć przypominać aktywność ludzkiego mózgu, zanim jeszcze zostaną wytrenowane na jakichkolwiek danych. Badanie sugeruje też, że struktura sztucznej inteligencji może być równie istotna, jak ilość przetwarzanych przez nią danych.  Obecnie, w dziedzinie sztucznej inteligencji, obserwuje się napływ danych do modeli i budowanie zasobów obliczeniowych o rozmiarach małych miast. Wymaga to wydania setek milionów dolarów. Tymczasem ludzie uczą się postrzegać, korzystając z małej ilości danych. tłumaczy autor badania, Mick Bonner. Odkrycie to, które podkreśla wartość architektury przypominającej mózg, zostało opisane w czasopiśmie "Nature Machine Intelligence".