Amerikāņu uzņēmums IBM izstrādā mākslīgā intelekta sistēmu, kuras pamatā ir cilvēka smadzeņu modelis. Šobrīd jaunajam neironu tīklam jau ir iemācīts domāt loģiski, izprast sarežģītās attiecības starp objektiem, un nākotnē viņi plāno uzlabot tā spēju pievērst uzmanību un radīt un saglabāt atmiņas.
Mūsdienās mākslīgā intelekta tehnoloģijas spēj parādīt virspusēji cilvēka iezīmes. Piemēram, daži spēj veikt darbības, kas parasti saistītas tikai ar cilvēku, - rakstīt dziesmas, mācīt vai, piemēram, radīt vizuālās mākslas darbus.
Tomēr, attīstoties tehnoloģijām, uzņēmumi un izstrādātāji pārdomā mākslīgā intelekta pamatus, labāk izprotot mūsu pašu prātu un to, kā mēs to varam efektīvi modelēt (izmantojot mašīnas un programmatūru). IBM ir viens no šādiem uzņēmumiem, jo tas jau ir uzsācis vērienīgu mērķi - iemācīt AI darboties tāpat kā cilvēka smadzenēs, saskaņā ar futūrismu.
Daudzas no pašreizējām mašīnmācīšanās sistēmām paļaujas uz datu blokiem (neatkarīgi no tā, kādu darbu viņi veic). Tomēr šim atbalstam ir ierobežojumi - atšķirībā no cilvēka smadzenēm.
Mēs mācāmies pakāpeniski un turklāt problēmu risināšanā izmantojam loģiku - mūsdienu AI ir veidota pēc cita principa. Tomēr tiek ziņots, ka DeepMind ir izveidojis neironu tīklu, kas uzdevumu veikšanai izmanto racionālu pamatojumu.
Timothy Lilicrap, DeepMind datorzinātnieks, atzīmēja, ka zinātnieki piešķīra AI īpašu uzdevumu un daudzus objektus darbībai, tādējādi stimulējot neironu tīklu atrast esošās attiecības. Tā, piemēram, sistēmai tika uzdots jautājums: "Vai objektam, kas atrodas pretī zilajam objektam, ir tāda pati forma kā mazajam gaiši zilajam objektam pa labi no pelēkā metāla lodītes?" Šādos testos neironu tīkls noteica nepieciešamo priekšmetu 96% gadījumu (tradicionālie mašīnmācīšanās modeļi parasti izdodas 42-77% gadījumu).
IBM zinātnieki gatavojas uzlabot jauno neironu tīklu, saka pētniece Irina Riša (Irina Riša). Uzlabot algoritma spēju pievērst uzmanību, kā arī radīt un saglabāt atmiņas; izstrādātāji vēlas izveidot arhitektūru, kas ļautu neironu tīkliem attīstīties pašiem (tāpat kā cilvēks, izmantojot izmēģinājumu un kļūdu).