Un pregiudizio di apprendimento trovato nei bambini potrebbe contribuire a rendere A.I. tecnologia migliore
La teoria dietro gli strumenti di apprendimento automatico che sono come reti neurali è che funzionano e, più specificamente, imparano in modo simile al cervello umano. Proprio come scopriamo il mondo attraverso prove ed errori, anche la moderna intelligenza artificiale. In pratica, tuttavia, le cose sono un po 'diverse. Ci sono aspetti dell'apprendimento dell'infanzia che le macchine non possono replicare – e sono una delle cose che, in molti domini, rendono gli studenti superiori agli umani.
I ricercatori della New York University stanno lavorando per cambiarlo. I ricercatori Kanishk Gandhi e Brenden Lake hanno esplorato come qualcosa chiamato "pregiudizio dell'esclusività reciproca", che è presente nei bambini, potrebbe aiutare a rendere l'intelligenza artificiale migliore quando si tratta di imparare compiti come capire il linguaggio.
"Quando i bambini si sforzano di imparare una nuova parola, fanno affidamento su pregiudizi induttivi per restringere lo spazio dei significati possibili", ha detto a Digital Trends Gandhi, uno studente laureato in Human & Machine Learning Lab della New York University. "L'esclusività reciproca (ME) è una convinzione che i bambini abbiano che se un oggetto ha un solo nome, non può avere un altro. L'esclusività reciproca ci aiuta a comprendere il significato di una nuova parola in contesti ambigui. Ad esempio, [se] ai bambini viene detto di "mostrarmi il dax" quando vengono presentati con un oggetto familiare e non familiare, tendono a sceglierne uno sconosciuto. "
I ricercatori hanno voluto esplorare un paio di idee con il loro lavoro. Uno era quello di indagare se gli algoritmi di apprendimento approfondito formati usando i paradigmi di apprendimento comuni ragionassero con l'esclusività reciproca. Volevano anche vedere se il ragionamento per esclusività reciproca avrebbe aiutato algoritmi di apprendimento in attività che sono comunemente affrontate utilizzando l'apprendimento profondo.
Per condurre queste indagini, i ricercatori hanno prima addestrato 400 reti neurali per associare coppie di parole ai loro significati. Le reti dei neuroni sono state quindi testate su 10 parole che non avevano mai visto prima. Hanno predetto che le nuove parole potevano corrispondere a significati noti piuttosto che a sconosciuti. Questo suggerisce che l'intelligenza artificiale non ha un pregiudizio di esclusività. Successivamente, i ricercatori hanno analizzato i set di dati che aiutano l'IA a tradurre le lingue. Ciò ha aiutato a dimostrare che la distorsione di esclusività sarebbe vantaggiosa per le macchine.
"I nostri risultati mostrano che queste caratteristiche sono scarsamente compatibili con la struttura dei comuni compiti di apprendimento automatico", ha continuato Gandhi. "Il ME può essere usato come spunto per la generalizzazione nei compiti di traduzione e classificazione comuni, specialmente nelle prime fasi della formazione. Riteniamo che esibire il pregiudizio aiuterebbe gli algoritmi di apprendimento ad apprendere in modi più rapidi e più adattabili ".
Mentre Gandhi e Lake scrivono in un articolo che descrive il loro lavoro: "Forti pregiudizi induttivi consentono ai bambini di imparare in modi rapidi e adattabili … C'è un caso convincente per progettare reti neurali che ragionino per esclusività reciproca, che rimane una sfida aperta".
