Вчені довели: ШІ вчиться швидше, говорячи сам із собою

Саморозмова дозволяє моделям штучного інтелекту виконувати складніші завдання, використовуючи менше даних і краще адаптуючись до нових умов.

Дозвіл штучному інтелекту розмовляти сам із собою допомагає йому швидше навчатися та ефективніше адаптуватися до нових завдань. Нове дослідження показує, що внутрішнє мовлення у поєднанні з робочою пам’яттю дозволяє системам штучного інтелекту узагальнювати навички, використовуючи значно менше навчальних даних, ніж зазвичай потрібно.

Розмови із самим собою традиційно вважаються суто людською рисою: внутрішній діалог допомагає людям структурувати думки, ухвалювати рішення та обробляти емоції. Однак нове дослідження, опубліковане в журналі Neural Computation, свідчить, що подібний механізм може бути не менш корисним і для штучних агентів.

Роботу виконали вчені з Окінавського інституту науки і технологій (OIST), які показали, що системи ШІ навчаються ефективніше, коли внутрішнє мовлення поєднується з короткочасною (робочою) пам’яттю, що дозволяє тимчасово утримувати та маніпулювати інформацією під час виконання завдань.

За словами першого автора дослідження, доктора Джеффрі Квайссера, наукового співробітника підрозділу когнітивної нейроробототехніки OIST, «це дослідження підкреслює важливість самовзаємодії в процесі навчання. Ми показуємо, що навчання формується не лише архітектурою систем штучного інтелекту, але й динамікою взаємодії, закладеною в навчальні процедури».

Щоб перевірити цю ідею, дослідники поєднали внутрішнє мовлення — яке вони описують як тихе «самобурмотіння» — зі спеціально спроєктованою системою робочої пам’яті. Таке поєднання призвело до помітних покращень у тому, як моделі машинного навчання засвоювали нову інформацію, адаптувалися до незнайомих ситуацій та виконували кілька завдань одночасно.

Команда давно зосереджується на обробці інформації незалежно від контенту, підході, який дозволяє ШІ застосовувати знання за межами конкретних прикладів, спираючись на загальні правила, а не на запам’ятовані шаблони. «Швидке перемикання між завданнями та вирішення незнайомих проблем — це те, що люди роблять щодня, але для штучного інтелекту це надзвичайно складно», — зазначає Квайсер, підкреслюючи міждисциплінарний характер роботи, що поєднує нейронауку, психологію, машинне навчання та робототехніку.

Ключову роль у результатах відіграє робоча пам’ять. Вона дозволяє системі тимчасово зберігати фрагменти інформації та оперувати ними під час виконання інструкцій або складних обчислень. Порівнюючи різні архітектури пам’яті, дослідники виявили, що моделі з кількома слотами робочої пам’яті краще справляються зі складними завданнями, такими як зворотне відтворення послідовностей або багатокрокові операції.

Коли до цих моделей додали цілі на самобурмотіння — інструкції системі «поговорити з собою» певну кількість разів — продуктивність зросла ще більше. Найбільший ефект спостерігався в багатозадачності та в задачах, що вимагали тривалих ланцюжків міркувань. «Наша комбінована система особливо цікава тим, що може працювати з розрідженими даними, а не з великими наборами, які зазвичай потрібні для узагальнення», — пояснює Квайсер.

Наступним кроком команда планує перейти від контрольованих лабораторних умов до реалістичних, шумних і динамічних середовищ, де рішення потрібно ухвалювати за неповної та мінливої інформації. Такий підхід має краще відображати умови, в яких відбувається людське навчання.

Дослідження має значення не лише для розвитку штучного інтелекту, а й для розуміння того, як працює людський мозок. «Вивчаючи внутрішнє мовлення та механізми, що за ним стоять, ми отримуємо нові фундаментальні уявлення про біологію та поведінку людини», — підсумовує доктор Квайсер, зазначаючи, що ці знання можуть бути використані під час створення автономних роботів, здатних діяти в складних реальних умовах.