O cérebro humano apresenta um novo modelo para técnicas flexíveis de inteligência artificial

Sistemas modernos de inteligência artificial, como (GPT-4 “e” Bert “, mostram recursos incríveis para identificar padrões, mas eles ainda estão sofrendo quando se trata de um complexo multiccasal, que é facilmente feito pelos seres humanos.

Um novo estudo do Instituto de Tecnologia de Massachusetts (MIT) destaca como o cérebro humano lida com problemas complexos, usando atalhos mentais inteligentes, ao mesmo tempo em que um roteiro é apresentado para desenvolver sistemas de inteligência artificiais mais eficientes e mais próximos.

O gênio fúngico do cérebro

O cérebro humano se destaca no tratamento de tarefas complexas, seja ao planejar uma viagem ou uma solução de labirinto, dividindo o problema em pequenas partes pequenas gerenciadas. A equipe dos pesquisadores liderou um labirinto inovador com uma bola oculta que inferiu seu caminho através de sinais de áudio intermitentes.

Os seres humanos não podem rastrear quatro caminhos paralelos ao mesmo tempo mentalmente, então os pesquisadores assistiram como os participantes lidam com esse desafio cognitivo. Eles descobriram que as pessoas recorrem a duas estratégias básicas. A inferência da hierarquia que visa dividir o problema em etapas (como escolher a esquerda ou a direita e seguir o caminho). Quanto à probabilidade oposta (contrafactual), ele reexamina as etapas anteriores quando novos sinais parecem que há um erro na suposição inicial. Os seres humanos não analisam todas as possibilidades. Em vez disso, eles começam com um palpite lógico e continuam, e não retornam a alterá -lo, a menos que haja evidências que merecem ser revisadas.

Estratégia flexível momento a momento

O estudo revelou uma incrível capacidade cerebral de se adaptar. Os participantes usaram a inferência hierárquica na maioria dos casos, mas se mudaram para a estratégia de “possibilidade oposta” quando achavam que sua memória era forte o suficiente.

Se a pessoa está confiante em lembrar os sinais de áudio anterior, repense o caminho desde o início para corrigi -lo. Mas se a memória estiver confusa, ela seguirá em frente com seu primeiro palpite.

A máquina pensa como uma pessoa

Para ver se essa estratégia é apenas humana ou é uma opção racional geral, os pesquisadores projetaram uma rede nervosa para simular o experimento. Quando o modelo é operado com seus recursos matemáticos completos, ele superou os seres humanos porque analisa todos os caminhos em paralelo. Mas isso não reflete o caminho do pensamento humano. A equipe então restringiu deliberadamente o modelo, reduzindo suas habilidades paralelas ou enfraquecendo sua memória. Ao analisar os resultados, o modelo começou a imitar o comportamento humano: seguindo as etapas hierárquicas e retornando apenas quando o erro ou a memória indica a necessidade. Isso indica que essas estratégias não são fracas, mas respostas lógicas sob restrições cognitivas.

O futuro do design de inteligência artificial

Muitos sistemas atuais de inteligência artificial dependem de um forte tratamento paralelo, que requer energia enorme e equipamentos enormes. No entanto, esses sistemas ainda sofrem de uma fraqueza no pensamento em série ou resolvem múltiplos problemas de etapa múltipla. A Universidade do “MIT” refere -se a uma alternativa mais eficaz por meio de uma estrutura de classe que começa com uma hipótese ponderada e depois se seletivamente re -avalia quando há sinais de erro ou fraqueza na memória. Isso reflete a elasticidade do cérebro e reduz bastante o consumo de recursos aritméticos. Também construindo inteligência artificial, pensa de maneira humana de um equilíbrio entre velocidade, precisão e esforço cognitivo que pode produzir sistemas mais inteligentes e eficientes.

Como fazer nosso pensamento diário

Se estamos preparando uma refeição ou planejando uma reunião ou movendo -se entre os meios de transporte, nós, por natureza, dividimos as decisões em etapas, e não retornamos um passo atrás, exceto quando necessário. O experimento no “MIT” incorporou esse processo de maneira científica. Os participantes ouviram sinos indicando o local da bola escondida no labirinto, e começaram seus palpites de acordo, então eles pensam se o momento do sino subsequente diferisse do que esperava. Esse comportamento, ou seja, o retorno seletivo do passado, é determinado pela confiança na memória e pelo custo esperado para corrigir o erro.

Limites de memória

Quando os pesquisadores acrescentaram ruído à memória do modelo, tornou -se mais cuidadoso como uma pessoa quando a dúvida está em dúvida. O raciocínio oposto foi feito apenas quando ele sentiu que o benefício estava excedendo o esforço.

Isso destaca uma importante idéia de design de que a inteligência artificial deve avaliar a viabilidade de se repensar, e não repetir a conta de forma permanente e cara.

A equipe observou que aumentar a interferência na memória não altera de repente o comportamento do modelo, mas leva a ajustes graduais ao método de tomada de decisão. Isso simula o comportamento humano, pois não se move de total confiança para total dúvida de uma só vez.

No design de sistemas de inteligência artificial, isso pode ser traduzido em limiares de resposta flexíveis, o que permite que a máquina pense de uma maneira mais realista e adaptativa.

Da ciência do cérebro à programação de máquinas

Este estudo constitui uma grande ponte entre ciência nervosa e inteligência artificial. Indica que o futuro pode combinar eficiência no uso de recursos, flexibilidade no pensamento e facilidade de interpretação. Também abre a porta para uma cooperação mais detalhada entre o homem e a máquina. Isso também prova o fato de que os atalhos mentais não são fracos, mas um gênio racional sob as restrições de recursos.

Ao inspirar estratégias cerebrais, pode ser construída inteligência artificial que não exceda apenas o desempenho, mas pensa, planos e retiros como humanos.