Trzylatkowie stają się inspiracją dla inżynierów AI

Trzylatkowie stają się inspiracją dla inżynierów zajmujących się rozwojem sztucznej inteligencji pod względem szybkości przetwarzania danych.

Obecnie sztuczna inteligencja przetwarza terabajty danych, pisze teksty, rozpoznaje twarze i wspiera lekarzy w diagnozach. Mogłoby się wydawać, że jej możliwości nie mają granic. Raport UNCTAD szacuje, że do 2033 roku rynek AI osiągnie wartość niemal 5 bilionów dolarów. Tymczasem nowe badania z Temple University i Emory University stawiają sprawę jasno. W kluczowej zdolności, jaką jest rozpoznawanie obiektów wzrokowych, nawet najnowocześniejsze algorytmy mają sporo do nadrobienia nawet do trzylatków.

Profesor Vlad Ayzenberg w swoim artykule w Science Advances pokazał coś, co dla wielu inżynierów może być zaskoczeniem. Dzieci w wieku od 3 do 5 lat szybciej i skuteczniej rozpoznają obiekty w złożonych warunkach niż topowe modele komputerowe. W eksperymencie dzieci miały zaledwie 100 milisekund na identyfikację obrazów, do tego w warunkach z zakłóceniami. Maluchy okazały się bardziej odporne na zakłócenia niż algorytmy trenujące na milionach zdjęć.

Różnica tkwi nie tylko w szybkości czy dokładności. Sztuczna inteligencja potrzebuje gigantycznych zbiorów danych i ogromnych mocy obliczeniowych. Koszt środowiskowy trenowania dużego modelu językowego, jak ChatGPT, jest według Ayzenberga nawet 17 razy większy niż roczna emisja CO₂ przeciętnego człowieka. Dziecku wystarczy mu kilka lat życia, kilkaset tysięcy bodźców i mózg, który zużywa mniej energii niż żarówka LED.

To nie pierwszy sygnał, że inspiracja procesami zachodzącymi w mózgu człowieka może być dla AI kluczowa. Już wcześniej badacze z Buffalo podjęli podobne wątki. Ich prace nad neuromorphic computing, komputerami naśladującymi sposób przetwarzania informacji przez mózg mają szansę zrewolucjonizować nie tylko efektywność energetyczną, ale i sposób działania sztucznej inteligencji.

Ayzenberg w swoim Vision Learning and Development Lab chce pójść dalej. Planuje badać aktywność mózgu niemowląt podczas prostych zadań poznawczych. Funkcjonalne MRI w tej grupie wiekowej to techniczne wyzwanie, ale cel jest ambitny, którym jest zrozumienie jak dzieci budują zdolność do błyskawicznego rozumienia świata mimo tak krótkiego życia.

To wszystko może wskazać inżynierom AI, jak projektować algorytmy, które nie tylko uczą się szybciej, ale też bardziej „ludzko” przetwarzają bodźce. Dziś algorytmy działają w sposób liniowy i przewidywalny. Podaj to samo zapytanie dziesięć razy, dostaniesz bardzo podobną odpowiedź. Dziecko prawdopodobnie zaskoczy cię za każdym razem. I to jest właśnie cecha, której inżynierowie chcieliby nauczyć maszyny.

Ayzenberg podkreśla, że inspiracja dziećmi nie oznacza budowania robotów z samoświadomością. Chodzi o funkcjonalne naśladowanie ich mechanizmów poznawczych. W tym sensie jego badania wpisują się w szerszy trend. Od systemów rozumiejących język, przez sieci neuronowe wykrywające choroby, aż po roboty społeczne, które mają wspierać seniorów.

Przykładem w badaniach Uniwersytetu Wschodniej Anglii z zeszłego roku udowodniono, że ludzie chętniej postrzegają roboty jako „ludzkie”, gdy mogą z nimi zagrać w prostą grę. Kontekst, interakcja i odrobina swobody wystarczą, by robot przestał być kawałkiem metalu, a stał się czymś więcej, partnerem w rozmowie, czy zabawie.

Czy to oznacza, że za kilka lat zamiast trenować AI na milionach memów i tweetów, zaczniemy ją „wychowywać” jak dziecko? Raczej nie dosłownie, ale na pewno będziemy podpatrywać, jak dzieci filtrują szum informacyjny i błyskawicznie tworzą reguły rozpoznawania świata.

Szymon Ślubowski