Представьте, что вы оказались в новом городе, окруженном незнакомыми видами и звуками. Несмотря на первоначальную дезориентацию, вы постепенно создаете мысленную карту окружающей среды, понимая, где находятся здания, улицы и знаки по отношению друг к другу. Эта способность строить пространственные карты в мозгу является фундаментальным аспектом человеческого познания.
По словам Мэтта Томсона, доцента кафедры вычислительной биологии, современные передовые искусственные интеллекты и нейронные сети все еще отстают в этой области. Хотя модели ИИ могут выполнять задачи на основе механического запоминания, они испытывают трудности с решением проблем и генерацией новых идей, как это делают люди. Томсон считает, что это связано с отсутствием у них способности ориентироваться в концептуальном пространстве, перемещаясь по пространству идей так же, как по физическому пространству.
Прорыв в обучении нейронных сетей
Недавнее исследование под руководством аспиранта Джеймса Горнета из Калифорнийского технологического института (Caltech) в отделе вычислительных и нейронных систем добилось значительного прогресса в этой области. Используя алгоритм предсказательного кодирования, команда обучила нейронную сеть строить пространственные карты в игре Minecraft. Записывая видео игрока, исследующего игровую среду, и анализируя данные, они обнаружили, что нейронная сеть может предсказывать предстоящие окружения и хранить представления объектов пространственно внутри своей структуры.
Этот прорыв представляет собой первый случай, когда нейронная сеть смогла создать собственную карту, а не полагаться на предварительно существующие данные, предоставленные человеческими дизайнерами. Способность пространственно организовывать информацию может привести к достижениям в области ИИ, позволяя нейронным сетям самостоятельно решать сложные проблемы.
Исследование под названием «Автоматическое построение когнитивных карт с помощью визуального предсказательного кодирования» было профинансировано такими организациями, как Фонд Дэвида и Люсиль Паккард и Инициатива Чана Цукерберга. Томсон подчеркивает важность био-вдохновленного подхода к машинному обучению, который направлен на обратное проектирование свойств мозга в искусственных нейронных сетях. Эта инновационная работа в программе CNS Caltech демонстрирует потенциал междисциплинарных исследований для продвижения в области ИИ.