Umjetna inteligencija je postigla je ogroman napredak u posljednjem desetljeću i omogućila nam pametne zvučnike, autopilote u automobilima, sve pametnije aplikacije i poboljšanu medicinsku dijagnozu.

Učinkovitije učenje

Ovaj uzbudljivi razvoj postignut je zahvaljujući strojnom učenju koje koristi ogromne skupove podataka kako bi trenirao modele umjetnih neuronskih mreža. Međutim, napredak u mnogim područjima kaska jer ljudi moraju pomno upravljati skupovima podataka iz kojih uče strojevi. 

"Mi znamo da se učenje može provoditi mnogo učinkovitije, jer dojenčad ne uči na ovaj način", kaže dr. Lorijn Zaadnoordijk, istraživačica Instituta Marie Skłodowska-Curie na Trinity Collegeu u Dublinu. "Bebe uče tako što doživljavaju svijet oko sebe, ponekad čak i kad nešto vide samo jednom."

Kako prevladati ograničenja

U istraživanju koje objavljuje časopis Nature Machine Intelligence, ona je s kolegama preispitala neuroznanost i psihologiju učenja dojenčadi i izradila tri principa koji će voditi sljedeću generaciju umjetne inteligencije i pomoći u prevladavanju ograničenja strojnog učenja.

Trebaju nam bolji načini učenja nestrukturiranih podataka, tvrde znanstvenici i daju konkretne prijedloge o tome koji bi se pojedini uvidi iz učenja dojenčadi mogli primijeniti u strojnom učenju i kako bi se točno ta učenja trebala primijeniti.

Tri principa

Strojevi će, kažu oni, trebati ugrađene postavke kako bi oblikovali svoje učenje od početka. Morat će učiti iz bogatijih skupova podataka koji bilježe kako svijet izgleda, zvuči, miriši i osjeća. I, poput dojenčadi, morat će imati razvojnu putanju u kojoj se iskustva i mreže mijenjaju kako "odrastaju".

"Kao istraživači umjetne inteligencije često povlačimo metaforičke paralele između naših sustava i mentalnog razvoja ljudskih beba i djece. Krajnje je vrijeme da te analogije shvatimo ozbiljnije i pogledamo bogato znanje o razvoju dojenčadi iz psihologije i neuroznanosti, što nam može pomoći prevladati ograničenja strojnog učenja", kaže dr. Tarek R. Besold iz Grupe za filozofiju i etiku na Tehnološkom sveučilištu u Eindhovenu.

"Umjetne neuronske mreže djelomično su bile inspirirane mozgom. Slično dojenčadi, oslanjaju se na učenje, ali trenutne implementacije su vrlo različite od ljudskog pa i životinjskog učenja. Kroz interdisciplinarna istraživanja, bebe mogu pomoći u otključavanju sljedeće generacije UI, zaključuje suautor istraživanja profesor Rhodri Cusack, direktor Instituta za neuroznanost Trinity Collegea.