Naukowcy z University of Rochester otrzymali 2 miliony dolarów od National Science Foundation (NSF) na rozwijanie modeli i algorytmów głębokiego uczenia opartych na hipotezie „czasowego rusztowania”. Ta hipoteza dotyczy sposobu, w jaki ludzki mózg wykorzystuje okresy snu i czuwania do uczenia się w czasie. Badania te mają na celu przezwyciężenie ograniczeń dotyczących uczenia się przez całe życie w dziedzinie sztucznej inteligencji.
Aktualne wyzwania w AI
Obecne formy sztucznej inteligencji mają trudności z ciągłym uczeniem się nowych zadań i słabo radzą sobie w środowiskach o ograniczonych zasobach. Christopher Kanan, profesor nadzwyczajny na Uniwersytecie Rochester, zauważa, że choć modele AI osiągnęły postęp w uczeniu sekwencyjnym, to jednak nie uczą się tak efektywnie jak ludzie.
Czasowe Rusztowanie
Hipoteza „czasowego rusztowania” zakłada, że mózg reaktywuje doświadczenia z okresów czuwania podczas snu, co pozwala na wykrycie ważnych wzorców w tych doświadczeniach. Naukowcy planują rozwijać głębokie sieci neuronowe, które będą mogły szybko dostosowywać się i działać w ograniczonych warunkach, podobnie jak ludzki mózg.
Zastosowania i Etyka
Badacze planują zastosować swoje nowe podejście w takich krytycznych obszarach jak opieka zdrowotna, autonomiczne systemy i bezpieczeństwo narodowe. Projekt będzie również uwzględniał aspekty etyczne związane z AI.
Inicjatywa ta ma potencjał do znaczącego przyspieszenia postępów w dziedzinie sztucznej inteligencji, zwłaszcza w kontekście uczenia się przez całe życie i adaptacji do różnorodnych warunków. Jeśli badania te okażą się owocne, mogą one znaleźć zastosowanie w wielu sektorach, od opieki zdrowotnej po bezpieczeństwo narodowe.
