April 14, 2024

Bejagadget

Ikuti perkembangan terkini Indonesia di lapangan dengan berita berbasis fakta Beja Gadget, cuplikan video eksklusif, foto, dan peta yang diperbarui.

Terobosan AI: Mesin yang menguasai tugas manusia melalui bahasa

Terobosan AI: Mesin yang menguasai tugas manusia melalui bahasa

ringkasan: Para peneliti telah membuat lompatan besar dalam bidang kecerdasan buatan dengan mengembangkan kecerdasan buatan yang mampu mempelajari tugas-tugas baru dari instruksi verbal atau tertulis dan kemudian menjelaskan tugas-tugas tersebut secara lisan ke kecerdasan buatan lain, sehingga memungkinkannya melakukan tugas yang sama. Perkembangan ini menyoroti kemampuan AI yang unik dan mirip manusia untuk pertama kalinya: mengubah instruksi menjadi tindakan dan mengkomunikasikan tindakan tersebut secara linguistik kepada rekan-rekan mereka.

Tim menggunakan model saraf tiruan yang terhubung ke jaringan pemahaman bahasa terlatih, untuk mensimulasikan area pemrosesan bahasa di otak. Terobosan ini tidak hanya meningkatkan pemahaman kita tentang interaksi antara bahasa dan perilaku, namun juga memberikan harapan besar bagi robotika, membayangkan masa depan di mana mesin dapat berkomunikasi dan belajar satu sama lain dengan cara yang mirip dengan manusia.

Fakta-fakta kunci:

  1. Pembelajaran dan komunikasi mirip manusia dalam kecerdasan buatan: Tim Universitas Jenewa menciptakan model AI yang dapat melakukan tugas berdasarkan instruksi lisan atau tertulis dan mengkomunikasikan tugas tersebut ke AI lainnya.
  2. Integrasi model saraf tingkat lanjut: Dengan menggabungkan model bahasa terlatih dengan jaringan yang lebih sederhana, para peneliti meniru area otak manusia yang bertanggung jawab atas persepsi, interpretasi, dan produksi bahasa.
  3. Aplikasi yang menjanjikan dalam robotika: Inovasi ini membuka kemungkinan baru bagi robotika, memungkinkan pengembangan robot humanoid yang memahami dan berkomunikasi dengan manusia dan satu sama lain.

sumber: Universitas Jenewa

Melakukan tugas baru hanya berdasarkan instruksi lisan atau tertulis, dan kemudian menjelaskannya kepada orang lain sehingga mereka dapat mereproduksinya, merupakan landasan komunikasi manusia yang terus menolak kecerdasan buatan.

Sebuah tim dari Universitas Jenewa (UNIGE) telah berhasil memodelkan jaringan saraf tiruan yang mampu mencapai kemampuan kognitif ini. Setelah mempelajari dan melakukan serangkaian tugas dasar, AI ini mampu memberikan deskripsi linguistiknya kepada “saudara” AI, yang kemudian melaksanakannya.

READ  Gurita yang tertangkap kamera saling melempar cangkangnya

Hasil yang menjanjikan ini, khususnya yang berkaitan dengan robotika, telah dipublikasikan di Ilmu Saraf Alami.

Pada tahap pertama percobaan, ahli saraf melatih jaringan ini untuk meniru area Wernicke, bagian otak kita yang memungkinkan kita memahami dan menafsirkan bahasa. Kredit: Berita Neurosains

Melakukan tugas baru tanpa pelatihan sebelumnya, hanya berdasarkan instruksi lisan atau tertulis, merupakan kemampuan unik manusia. Selain itu, setelah kita mempelajari tugas tersebut, kita dapat mendeskripsikannya sehingga orang lain dapat mengulanginya.

Kemampuan ganda ini membedakan kita dengan spesies lain yang, untuk mempelajari suatu tugas baru, memerlukan banyak pengalaman disertai dengan sinyal penguatan positif atau negatif, tanpa dapat mengkomunikasikannya kepada rekan-rekannya.

Salah satu subbidang kecerdasan buatan (AI) – pemrosesan bahasa alami – berupaya menciptakan kembali kemampuan manusia, menggunakan mesin yang memahami dan merespons data audio atau teks. Teknologi ini didasarkan pada jaringan saraf tiruan yang terinspirasi oleh neuron biologis kita dan cara sinyal listrik ditransmisikan satu sama lain di otak.

Namun, komputasi saraf yang memungkinkan pencapaian kognitif yang dijelaskan di atas masih kurang dipahami.

“Saat ini, agen percakapan yang menggunakan AI dapat menggabungkan informasi linguistik untuk menghasilkan teks atau gambar. Namun sejauh yang kami tahu, mereka belum mampu menerjemahkan instruksi verbal atau tertulis menjadi tindakan sensorimotor, apalagi menjelaskannya kepada AI lain. daripada mereproduksinya,” jelas Alexandre Puget, Profesor Penuh di Departemen Ilmu Saraf Dasar di Fakultas Kedokteran UNIGE.

Model otak

Peneliti dan timnya telah berhasil mengembangkan model saraf tiruan dengan kemampuan ganda tersebut, meski dengan pelatihan sebelumnya. '

“Kami memulai dengan model neuron buatan yang sudah ada, S-Bert, yang berisi 300 juta neuron dan telah dilatih sebelumnya untuk memahami bahasa. Kami menghubungkannya ke jaringan lain yang lebih sederhana yang terdiri dari beberapa ribu neuron,” jelas Reidar Reifland, seorang PhD mahasiswa di Departemen Ilmu Saraf Dasar di Fakultas Kedokteran UNIGE, dan penulis pertama penelitian ini.

READ  Astronom Australia mengatakan bahwa lubang hitam yang tumbuh lebih cepat mungkin telah ditemukan selama 9 miliar tahun terakhir di luar angkasa

Pada tahap pertama percobaan, ahli saraf melatih jaringan ini untuk meniru area Wernicke, bagian otak kita yang memungkinkan kita memahami dan menafsirkan bahasa. Pada tahap kedua, jaringan dilatih untuk mereproduksi area Broca, yang di bawah pengaruh area Wernicke bertanggung jawab untuk memproduksi dan mengucapkan kata-kata. Seluruh proses dilakukan pada laptop tradisional. Instruksi tertulis dalam bahasa Inggris kemudian dikirim ke Amnesty International.

Misalnya: menunjukkan lokasi – kiri atau kanan – di mana stimulus dirasakan; Responsnya berlawanan arah dengan stimulus. Atau lebih kompleksnya, antara dua rangsangan visual yang memiliki sedikit perbedaan kontras, mana yang tampak lebih terang. Para ilmuwan kemudian mengevaluasi hasil model yang menyimulasikan niat untuk bergerak, atau dalam hal ini, isyarat.

Setelah tugas-tugas ini dipelajari, jaringan dapat mendeskripsikannya ke jaringan kedua – salinan dari jaringan pertama – sehingga dapat mereproduksinya. “Sepengetahuan kami, ini adalah pertama kalinya dua sistem kecerdasan buatan mampu berkomunikasi satu sama lain secara linguistik,” kata Alexandre Pouget, yang memimpin penelitian.

Bagi manusia di masa depan

Model ini membuka cakrawala baru untuk memahami interaksi antara bahasa dan perilaku. Hal ini sangat menjanjikan bagi sektor robotika, dimana pengembangan teknologi yang memungkinkan mesin untuk berbicara satu sama lain merupakan isu besar.

''Jaringan yang kami kembangkan sangat kecil. Atas dasar ini, tidak ada yang menghalangi pengembangan jaringan yang lebih kompleks yang dapat diintegrasikan ke dalam robot humanoid yang mampu memahami kita dan juga satu sama lain.

Tentang berita penelitian AI ini

pengarang: Antoine Guinot
sumber: Universitas Jenewa
komunikasi: Antoine Guénot – Universitas Jenewa
gambar: Gambar dikreditkan ke Berita Neuroscience

Pencarian asli: Akses terbuka.
Instruksi bahasa alami menyebabkan generalisasi sintaksis dalam jaringan saraf“Oleh Alexandre Puget dkk. Ilmu Saraf Alami


ringkasan

READ  Sebuah teori baru menunjukkan bahwa materi gelap bisa menjadi pengungsi kosmik tambahan

Instruksi bahasa alami menyebabkan generalisasi sintaksis dalam jaringan saraf

Salah satu pencapaian kognitif manusia yang mendasar adalah menafsirkan instruksi linguistik untuk melakukan tugas-tugas baru tanpa pengalaman tugas yang eksplisit. Namun, komputasi saraf yang dapat digunakan untuk mencapai hal ini masih kurang dipahami. Kami menggunakan kemajuan dalam pemrosesan bahasa alami untuk membuat model generalisasi saraf berdasarkan instruksi linguistik.

Model tersebut dilatih pada serangkaian tugas psikofisik umum, dan menerima instruksi yang tertanam dalam model bahasa yang telah dilatih sebelumnya. Model terbaik kami dapat melakukan tugas yang belum pernah terjadi sebelumnya dengan rata-rata performa benar sebesar 83% hanya berdasarkan instruksi linguistik (yaitu, pembelajaran nol).

Kami telah menemukan bahwa bahasa mendukung representasi sensorimotor, sehingga aktivitas tugas yang saling terkait memiliki arsitektur yang sama dengan representasi instruksi semantik, memungkinkan bahasa untuk menunjukkan kombinasi keterampilan yang tepat yang dipraktikkan dalam lingkungan non-visual.

Kami menunjukkan bagaimana model ini menghasilkan deskripsi linguistik dari tugas baru yang dipilihnya hanya dengan menggunakan umpan balik motorik, yang nantinya dapat memandu model mitra untuk melakukan tugas tersebut.

Model kami membuat beberapa prediksi yang dapat diuji secara eksperimental yang menjelaskan bagaimana informasi linguistik direpresentasikan untuk memfasilitasi kognisi yang fleksibel dan umum di otak manusia.