- Onderzoekers hebben AI gebouwd die taken kan leren uit tekstinstructies en die kennis vervolgens kan communiceren met andere AI-systemen. Dit elimineert de noodzaak van individuele training voor elke AI, waardoor de ontwikkeling wordt gestroomlijnd.
- Het AI-netwerk begrijpt volledige zinnen en bootst menselijke interactie na. Deze vooruitgang in Natural Language Processing (NLP) zorgt ervoor dat AI effectiever met mensen kan samenwerken.
- Hoewel niet bewust, opent deze AI-communicatie de weg voor verder onderzoek. Het leidt tot discussies over de potentiële voor- en nadelen van AI in de samenleving, waaronder zorgen over het overstijgen van de menselijke controle.
Een team van onderzoekers heeft een AI ontwikkeld die met elkaar kan communiceren. Dit innovatieve model is ontworpen om kennis te verwerven en opdrachten uit te voeren op basis van op tekst gebaseerde richtlijnen, en deze kennis vervolgens over te dragen naar andere AI-systemen, aldus de onderzoekers. De details van deze doorbraak en de evolutie van de AI zijn gepubliceerd in het tijdschrift Natuur.
Hoe hebben onderzoekers dat voor elkaar gekregen?
Om de efficiëntie ervan te evalueren, hebben de onderzoekers één AI in staat gesteld een taak onder de knie te krijgen met behulp van de gegeven instructies. Deze AI kon vervolgens zijn kennis delen met een andere AI, een zogenaamde “zuster” AI, waardoor laatstgenoemde de gegeven taken kon voltooien zonder voorafgaande training of ervaring. Deze vooruitgang markeert een aanzienlijke sprong voorwaarts voor AI-netwerken en demonstreert de enorme mogelijkheden die worden geboden door de integratie van natuurlijke taalverwerking (NLP) in AI-technologie.
Onderzoekers hebben de kunstmatige intelligentie verbeterd door middelen te onderzoeken die in staat zijn tot directe communicatie en het wederzijds leren van taken. De doorbraak omvat het bouwen van een AI-netwerk dat uitsluitend is getraind op basis van schriftelijke instructies en dat vervolgens zijn kennis overdraagt aan een tegenhanger-AI. Deze mijlpaal hangt af van het benutten van natuurlijke taalverwerking, waardoor machines menselijke taal op natuurlijke wijze kunnen begrijpen en repliceren. Het AI-netwerk bestaat uit neurale netwerken, ingewikkelde verzamelingen van machine learning-algoritmen, gemodelleerd naar de neuronale structuur van het menselijk brein.
Het fundamentele doel van natuurlijke taalverwerking is het nabootsen van menselijke taal in computers, waardoor deze machines tekst of gesproken woorden met groter gemak en natuurlijkheid kunnen interpreteren en emuleren. Dit concept wordt steeds relevanter gezien de sterke stijging van de AI-ontwikkelingen, hoewel het bereiken van volledige levensvatbaarheid een verre doelstelling blijft. De komst van AI die in staat is tot onderlinge communicatie vertegenwoordigt een belangrijke stap op deze weg.
De samengestelde AI, een ‘sensorimotor-recurrent neuraal netwerk (RNN)’, ondergaat training in een repertoire van psychofysische taken, waarbij wordt gereageerd op stimuli zoals licht op basis van instructies die via NLP worden overgebracht. Ondanks het ontbreken van eerdere blootstelling of taakspecifieke trainingsgegevens, bereikt de RNN een indrukwekkende nauwkeurigheid van 83% bij het uitvoeren van taken op basis van instructies in natuurlijke taal. Het begrip van geschreven zinnen vergemakkelijkt de taakuitvoering, culminerend in de articulatie van resultaten via taalkundige instructies aan een zuster-AI, waardoor taakuitvoering zonder voorafgaande ervaring mogelijk wordt.
Deze doorbraak vereenvoudigt het proces van het ontwikkelen van AI-modellen door een groot deel van het voorbereidende basiswerk te elimineren. Conventioneel vereist elk model individuele training voor specifieke taken. Een netwerk waarin AI-entiteiten kennis kunnen delen, omzeilt echter de noodzaak van een dergelijke uitgebreide initiële training.
De wetenschappers achter dit netwerk hebben een mijlpaal bereikt door het model in staat te stellen volledige zinnen te verwerken en erop te reageren op een manier die de natuurlijke menselijke interactie beter nabootst. Dit vertegenwoordigt een monumentale sprong in de mogelijkheden van AI-modellen, waardoor hun potentieel om naadloos samen te werken met menselijke operators wordt vergroot.
Hoewel AI-systemen die onderling communiceren niet gelijk staan aan het creëren van een AI met menselijk redeneervermogen, maakt deze ontwikkeling de weg vrij voor nieuwe verkenningen in de AI-technologie. Het roept zowel opwinding als bezorgdheid op en voedt debatten over de potentiële impact van AI op de samenleving, inclusief speculatieve zorgen over AI die de menselijke controle overtreft.
Uitgelichte afbeeldingscredits: Google DeepMind/Unsplash
