Harvardi workshop vizsgálta, mit tanulhat az AI az evolúcióból
A biológiai intelligencia kevés tapasztalatból is képes tanulni, gyorsan alkalmazkodik, és közben kevés energiát használ. A Harvard Kempner Institute háromnapos workshopján 250 kutató és hallgató vizsgálta, hogyan segíthetnek az evolúció és az élő rendszerek tanulási mechanizmusai a mesterséges intelligencia fejlesztésében.
- A Harvard Kempner Institute háromnapos workshopján 250 kutató és hallgató vett részt.
- A résztvevők a biológiai és mesterséges tanulás, alkalmazkodás és intelligencia mechanizmusait vizsgálták.
- A kutatók szerint az evolúció által inspirált algoritmusok segíthetnek a neurális hálózatok fejlesztésében.
- A workshop témái között szerepelt a memorizálás, az általánosítás, a motoros tanulás és az állati viselkedés evolúciója.
- Az esemény előadásai videón is megtekinthetők a Kempner Institute oldalán.
Az evolúció és a tanulás közös kérdései
A Harvardhoz tartozó Kempner Institute for the Study of Natural and Artificial Intelligence által szervezett esemény a „Learning Dynamics in Natural and Artificial Intelligence” címet viselte. A workshopon akadémiai és ipari kutatók, tudósok, valamint hallgatók vettek részt. Az előadások, rövid prezentációk és a poszterszekció a biológiai és mesterséges rendszerek tanulásának, alkalmazkodásának és intelligenciájának alapvető mechanizmusait járta körül.
A szervezők szerint a modern AI-rendszerek hatalmas adatmennyiségek között képesek kapcsolatokat felismerni, és egyre összetettebb problémákat oldanak meg. A biológiai intelligencia ugyanakkor több olyan képességgel rendelkezik, amely a mai mesterséges rendszerek számára továbbra is nehezen elérhető. Az evolúció által formált élő rendszerek kevés tapasztalatból tanulnak, könnyen alkalmazkodnak új helyzetekhez, és mindezt alacsony energiafelhasználással teszik.
A workshop fő kérdései közé tartozott, mi mozgatja a tanulást és az alkalmazkodást a biológiai, illetve a mesterséges rendszerekben, valamint hogyan alakította az evolúció az intelligenciát. A résztvevők azt is vizsgálták, hogy a mesterséges intelligencia kutatásának eredményei miként segíthetik az agy és a biológiai tanulás jobb megértését.
A kutatók többféle biológiai példát vizsgáltak
Az előadások témái az új motoros készségek elsajátításától a kutyák viselkedésének evolúciójáig terjedtek. A kutatók azt is bemutatták, hogyan alakultak ki olyan tanulható viselkedések, mint a terelés vagy a vadászat, amelyek az állatok környezetéhez illeszkednek.
További előadások azt vizsgálták, hogyan tanulhatnak az AI-rendszerek a világgal való interakció révén, hasonlóan a biológiai rendszerekhez. Szóba került a memorizálás szerepe az ismeretek általánosításában, valamint a nyelv, az emlékezet és a döntéshozatal különböző biológiai rendszerekben.
A workshopon Karolina Dziugaite, a Google DeepMind vezető kutatója is előadott. Előadásának címe „The Dynamics of Memorization in Deep Learning” volt. Venkatesh Murthy, a Kempner Institute társult oktatója pedig „An Inductive Bias for Generalization in Mouse Olfactory Learning” címmel tartott előadást.
Evolúció által inspirált algoritmusok jöhetnek
Janet Wallace, a Kempner Institute kutatási projektmenedzsere és a workshop egyik szervezője szerint a biológiai evolúció fontos nézőpontot adhat az AI-modellek tanulásának vizsgálatához. Wallace úgy fogalmazott, hogy a biológiai rendszerek korlátozott tapasztalat mellett is gyorsan alkalmazkodnak új helyzetekhez, és ezt a képességet egyre gyakrabban látják mesterséges rendszerekben is.
Bingbin Liu, a Kempner kutatója és a rendezvény egyik szervezője szerint a mesterséges hálózatok létrehozásához olyan tanulási algoritmusok is használhatók, amelyeket az evolúció inspirált. Ezek Liu szerint hozzájárulhatnak jobb neurális hálózatok fejlesztéséhez, és hatékonyabbá tehetik a modellek javítását a betanítás során.
A workshopon a biológiai és mesterséges rendszerek hatékonyságát, rugalmasságát, robusztusságát és általánosítási képességét hasonlították össze. A szervezők célja olyan számítási modellek felé mutató kutatási irányok bemutatása volt, amelyek új kihívásokhoz is képesek alkalmazkodni.
A felhasználók számára egyelőre kutatási irányt jelent
A Kempner Institute beszámolója alapján a rendezvény közvetlenül nem új AI-terméket vagy kész modellt mutatott be. A jelentősége abban áll, hogy a biológia, az idegtudomány, az evolúció és a mesterséges intelligencia kutatói közös kérdéseket vizsgáltak.
Liu szerint nyitottnak kell lenni az interdiszciplináris eszmecserére, például arra, hogy a biológia és az evolúció miként segíthet a neurális hálózatok optimalizálásában. A workshop előadásai a Kempner Institute oldalán videón is elérhetők.
Az intézet saját küldetése szerint a természetes és mesterséges rendszerek intelligenciájának alapjait kutatja biológiai, kognitív, mérnöki és számítási szempontból. A közlemény szerint az AI következő generációjának fejlesztéséhez szükség lehet azokra az elvekre, amelyek lehetővé teszik az agy gyors és rugalmas következtetését.
Kempner Institute (Harvard): What Can Principles of Evolution Teach AI Scientists?
