Deep-learning neurala nätverk har kommit långt under de senaste åren – vi har nu system som kan slå människor i komplexa spel som shogi, Gå och schack. Men är utvecklingen av sådana system begränsad av deras grundläggande arkitektur? Shimon Ullman, med Weizmann Institute of Science, tar upp denna fråga i ett Perspectives-stycke i tidskriften Vetenskap och föreslår några sätt som datavetare kan nå bortom enkla AI-system för att skapa artificiell allmän intelligens (AGI) system.

Deep learning-nätverk kan lära sig eftersom de har programmerats för att skapa artificiella neuroner och kopplingarna mellan dem. När de möter nya data, nya neuroner och kommunikationsvägar mellan dem bildas – mycket likt hur den mänskliga hjärnan fungerar. Men sådana system kräver omfattande utbildning (och ett återkopplingssystem) innan de kan göra något användbart, vilket står i skarp kontrast till hur människor lär sig. Vi behöver inte se tusentals människor i aktion för att lära oss att följa någons blick, till exempel, eller att räkna ut att ett leende är något positivt.

Ullman menar att detta beror på att människor föds med vad han beskriver som redan existerande nätverksstrukturer som är kodade i våra neurala kretsar. Sådana strukturer, han förklarar, ge växande spädbarn en förståelse för den fysiska värld de existerar i – en bas på vilken de kan bygga mer komplexa strukturer som leder till allmän intelligens. Om datorer hade liknande strukturer, de, för, kan utveckla fysiska och sociala färdigheter utan behov av tusentals exempel.

Men det finns ett problem - neuroforskare vet inte hur eller var dessa strukturer finns i hjärnan. Det gör det svårt att skapa konstgjorda versioner för användning i datorer. Ullman menar att vägen till att bygga mer sofistikerade AI-system ligger i att lära sig mer om den mänskliga hjärnan och hur den lär sig – och hur den använder det den lär sig för att fatta beslut om den dagliga tillvaron. Han noterar också att det faktiskt finns ett alternativt tillvägagångssätt - att bygga beräkningsmetoder för inlärning från "grunden". Men gör man så, han erkänner, kan vara lika svårt som att ta reda på hur våra egna hjärnor faktiskt fungerar.

© 2019 Science X Network