Le reti neurali di deep learning hanno fatto molta strada negli ultimi anni:ora disponiamo di sistemi in grado di battere le persone in giochi complessi come lo shogi, Vai a scacchi. Ma il progresso di tali sistemi è limitato dalla loro architettura di base? Shimon Ullman, con il Weizmann Institute of Science, risponde a questa domanda in un pezzo di Perspectives sulla rivista Scienza e suggerisce alcuni modi in cui gli informatici potrebbero andare oltre i semplici sistemi di intelligenza artificiale per creare sistemi di intelligenza generale artificiale (AGI).

Le reti di deep learning sono in grado di apprendere perché sono state programmate per creare neuroni artificiali e le connessioni tra di loro. Quando incontrano nuovi dati, si formano nuovi neuroni e vie di comunicazione tra di loro, in modo molto simile al modo in cui opera il cervello umano. Ma tali sistemi richiedono una formazione approfondita (e un sistema di feedback) prima di essere in grado di fare qualcosa di utile, che è in netto contrasto con il modo in cui gli umani apprendono. Non abbiamo bisogno di guardare migliaia di persone in azione per imparare a seguire lo sguardo di qualcuno, Per esempio, o per capire che un sorriso è qualcosa di positivo.

Ullman suggerisce che ciò è dovuto al fatto che gli esseri umani nascono con ciò che descrive come strutture di rete preesistenti codificate nei nostri circuiti neurali. Tali strutture, lui spiega, fornire ai bambini in crescita una comprensione del mondo fisico in cui esistono, una base su cui possono costruire strutture più complesse che portano all'intelligenza generale. Se i computer avessero strutture simili, essi, pure, potrebbe sviluppare abilità fisiche e sociali senza bisogno di migliaia di esempi.

Ma c'è un problema:i neuroscienziati non sanno come o dove esistano queste strutture nel cervello. Ciò rende difficile creare versioni artificiali da utilizzare nei computer. Ullman suggerisce che il percorso verso la creazione di sistemi di intelligenza artificiale più sofisticati risiede nell'imparare di più sul cervello umano e su come apprende e come utilizza ciò che impara per prendere decisioni sull'esistenza quotidiana. Nota anche che in realtà esiste un approccio alternativo:costruire metodi di apprendimento computazionale "da zero". Ma così facendo, lui riconosce, potrebbe essere difficile quanto capire come funziona effettivamente il nostro cervello.

© 2019 Science X Network