Tyrėjai aptiko stulbinančiai panašius signalus tarp smegenų ir dirbtinių neuroninių tinklų. Mėlyna linija yra smegenų banga, kai žmonės klausosi balsės. Raudona yra dirbtinio neuroninio tinklo atsakas į tą patį balsį. Du signalai yra neapdoroti, o tai reiškia, kad nereikėjo jokių transformacijų. Kreditas: Gasper Begus Nauji Kalifornijos universiteto Berklyje tyrimai rodo, kad dirbtinio intelekto (AI) sistemos gali apdoroti signalus tokiu būdu, kuris yra labai panašus į tai, kaip smegenys interpretuoja kalbą. Mokslininkų teigimu, tai gali padėti paaiškinti AI sistemų veikimo juodąją dėžę. .
Naudodami elektrodų sistemą, uždėtą ant dalyvių galvų, Berklio kalbos ir skaičiavimo laboratorijos mokslininkai išmatavo smegenų bangas, kai dalyviai klausėsi vieno skiemens – „bah“. Tada jie palygino tą smegenų veiklą su signalais, kuriuos sukuria AI sistema, išmokyta mokytis anglų kalbos.
„Formos yra nepaprastai panašios”, – sakė Gasperas Begusas, UC Berkeley lingvistikos docentas ir neseniai žurnale paskelbto tyrimo pagrindinis autorius. Mokslinės ataskaitos. „Tai rodo, kad panašūs dalykai yra užkoduojami, kad apdorojimas yra panašus.”
Dviejų signalų palyginimo grafikas stulbinamai parodo tą panašumą.
„Duomenyse nėra jokių pakeitimų“, – pridūrė Begusas. „Tai neapdorota.”
Dirbtinio intelekto sistemos pastaruoju metu pažengė į priekį. Nuo tada, kai praėjusiais metais „ChatGPT“ rikošetas visame pasaulyje, buvo prognozuojama, kad šios priemonės apvers visuomenės sektorius ir pakeis milijonų žmonių darbą. Tačiau nepaisant šių įspūdingų pasiekimų, mokslininkai turėjo ribotą supratimą apie tai, kaip tiksliai jų sukurti įrankiai veikia tarp įvesties ir išvesties.
Klausimas ir atsakymas sistemoje „ChatGPT“ buvo AI sistemos intelekto ir šališkumo matavimo etalonas. Tačiau tai, kas vyksta tarp šių žingsnių, buvo tarsi juodoji dėžė. Žinojimas, kaip ir kodėl šios sistemos teikia informaciją, kaip jos mokosi, tampa labai svarbios, nes jos įsitvirtina kasdieniame gyvenime sveikatos priežiūros ir švietimo srityse.
Begusas ir jo bendraautoriai Alanas Zhou iš Johnso Hopkinso universiteto ir T. Christina Zhao iš Vašingtono universiteto yra tarp mokslininkų, siekiančių atidaryti tą dėžę.
Norėdami tai padaryti, Begusas mokėsi kalbotyros.
Kai klausomės ištartų žodžių, sakė Begusas, garsas patenka į mūsų ausis ir paverčiamas elektros signalais. Tada tie signalai keliauja per smegenų kamieną ir į išorines mūsų smegenų dalis. Atlikdami elektrodo eksperimentą, mokslininkai atsekė šį kelią, reaguodami į 3000 vieno garso pakartojimų, ir nustatė, kad smegenų bangos, skirtos kalbai, glaudžiai seka tikrus kalbos garsus.
Tyrėjai perdavė tą patį „bah“ garso įrašą per neprižiūrimą neuroninį tinklą – AI sistemą, kuri galėjo interpretuoti garsą. Naudodami Berklio kalbos ir skaičiavimo laboratorijoje sukurtą techniką, jie išmatavo sutampančius bangas ir dokumentavo jas, kai jos atsirado.
Ankstesniems tyrimams reikėjo papildomų veiksmų, kad būtų galima palyginti smegenų ir mašinų bangas. Neapdorotų bangų tyrimas padės mokslininkams suprasti ir pagerinti, kaip šios sistemos mokosi ir vis labiau atspindi žmogaus pažinimą, sakė Begusas.
„Mane, kaip mokslininką, tikrai domina šių modelių aiškinamumas“, – sakė Begusas. „Jie yra tokie galingi. Visi apie juos kalba. Ir visi jomis naudojasi. Tačiau daug mažiau stengiamasi juos suprasti.”
Begus mano, kad tai, kas vyksta tarp įvesties ir išvesties, neturi likti juoda dėže. Supratimas, kaip šie signalai lyginami su žmonių smegenų veikla, yra svarbus etalonas lenktynėse kuriant vis galingesnes sistemas. Taip pat ir žinant, kas vyksta po gaubtu.
Pavyzdžiui, tokio supratimo turėjimas galėtų padėti uždėti apsauginius turėklus vis galingesniems AI modeliams. Tai taip pat galėtų pagerinti mūsų supratimą apie tai, kaip klaidų ir šališkumo įtraukimas į mokymosi procesus.
Begusas teigė, kad jis ir jo kolegos bendradarbiauja su kitais tyrėjais, naudodamas smegenų vaizdavimo metodus, kad nustatytų, kaip šie signalai gali būti lyginami. Jie taip pat tiria, kaip kitos kalbos, pavyzdžiui, mandarinų, smegenyse iššifruojamos skirtingai ir ką tai gali reikšti apie žinias.
Daugelis modelių yra mokomi vaizdinių užuominų, pvz., spalvų ar rašytinio teksto, kurie abu turi tūkstančius variantų granuliuotu lygiu. Tačiau kalba atveria duris tvirtesniam supratimui, sakė Begusas.
Pavyzdžiui, anglų kalba turi vos keliasdešimt garsų.
„Jei norite suprasti šiuos modelius, turite pradėti nuo paprastų dalykų. Ir kalba yra daug lengviau suprantama”, – sakė Begusas. „Labai tikiuosi, kad kalba yra tas dalykas, kuris padės mums suprasti, kaip šie modeliai mokosi.
Kognityviniame moksle vienas iš pagrindinių tikslų yra sukurti matematinius modelius, kurie būtų kuo panašesni į žmones. Naujai dokumentuoti smegenų bangų ir AI bangų panašumai yra etalonas, kaip tyrėjai siekia šio tikslo.
„Aš nesakau, kad turime kurti tokius dalykus kaip žmonės“, – sakė Begusas. „Aš nesakau, kad mes to nedarome. Tačiau svarbu suprasti, kaip skirtingos architektūros yra panašios arba skiriasi nuo žmonių.”
Daugiau informacijos: Gašper Beguš ir kt., Kalbos kodavimas konvoliuciniuose sluoksniuose ir smegenų kamiene, remiantis kalbos patirtimi, Mokslinės ataskaitos (2023). DOI: 10.1038/s41598-023-33384-9
Citata: „Neapdoroti“ duomenys rodo, kad dirbtinio intelekto signalai atspindi, kaip smegenys klauso ir mokosi (2023 m. gegužės 2 d.), gauta 2023 m. gegužės 2 d. iš https://techxplore.com/news/2023-05-raw-ai-mirror-brain.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
