Склонность к обучению, обнаруженная у детей, может помочь сделать А.И. технология лучше
Теория инструментов машинного обучения, которые похожи на нейронные сети, заключается в том, что они функционируют и, более конкретно, учатся аналогично человеческому мозгу. Подобно тому, как мы открываем мир методом проб и ошибок, так же поступает и современный искусственный интеллект. На практике, однако, все немного по-другому. Существуют аспекты обучения в детстве, которые машины не могут воспроизвести, и они являются одной из вещей, которые во многих областях делают людей превосходящими учениками.
Исследователи из Нью-Йоркского университета работают над тем, чтобы это изменить. Исследователи Канишк Ганди и Бренден-Лейк исследовали, как нечто, называемое «предвзятостью взаимной исключительности», которое присутствует у детей, может помочь улучшить ИИ, когда дело доходит до таких задач обучения, как понимание языка.
«Когда дети стремятся выучить новое слово, они полагаются на индуктивные предубеждения, чтобы сузить пространство возможных значений», — сказал Ганди, аспирант Лаборатории человеческого и машинного обучения Нью-Йоркского университета, в интервью Digital Trends. «Взаимная исключительность (ME) — это убеждение детей в том, что если у объекта есть одно имя, у него не может быть другого. Взаимная исключительность помогает нам понять значение нового слова в неоднозначных контекстах. Например, [если] детям говорят «покажи мне дакс», когда им преподносят знакомый и незнакомый предмет, они, как правило, выбирают незнакомый ».
Исследователи хотели изучить пару идей в своей работе. Один из них заключался в том, чтобы выяснить, будут ли алгоритмы глубокого обучения, обученные с использованием общих парадигм обучения, основываться на взаимной исключительности. Они также хотели посмотреть, поможет ли рассуждение на основе взаимной исключительности изучить алгоритмы в задачах, которые обычно решаются с использованием глубокого обучения.
Чтобы провести эти исследования, исследователи сначала обучили 400 нейронных сетей ассоциировать пары слов с их значениями. Затем нейронные сети были проверены на 10 словах, которые они никогда не видели раньше. Они предсказали, что новые слова, скорее всего, будут соответствовать известным значениям, а не неизвестным. Это говорит о том, что ИИ не имеет предвзятости эксклюзивности. Затем исследователи проанализировали наборы данных, которые помогают AI переводить языки. Это помогло показать, что смещение исключительности было бы полезно для машин.
«Наши результаты показывают, что эти характеристики плохо соответствуют структуре общих задач машинного обучения», — продолжил Ганди. «Я могу использовать в качестве подсказки для обобщения в общих задачах перевода и классификации, особенно на ранних этапах обучения. Мы считаем, что проявление предвзятости поможет обучающим алгоритмам учиться быстрее и более гибко ».
Как пишут Ганди и Лэйк в статье, описывающей их работу: «Сильные индуктивные предубеждения позволяют детям учиться быстрыми и адаптируемыми способами… Существует убедительная аргументация в пользу разработки нейронных сетей, основанных на взаимной исключительности, которая остается открытой проблемой».