ვინმეს თქვენთვის ნიანგის ფოტო რომ ეჩვენებინა და ეკითხა, ეს ჩიტი ხომ არ არისო, ალბათ, სასაცილოდ არ გეყოფოდათ. თუმცა, თუკი მცირედ მოთმინებას გამოიჩენდით, დაეხმარებოდით ამ უცნაურ ადამიანს ცხოველის იდენტიფიცირებაში.

ასეთი, ერთი შეხედვით, სულელური ინტერაქციები შეიძლება იყოს გასაღები ხელოვნური ინტელექტის სწავლაში დასახმარებლად. ახალი კვლევის მიხედვით, ამ სტრატეგიამ მკვეთრად გააუმჯობესა AI-ის სიზუსტე ახალი სურათების ინტერპრეტაციაში. ეს მიდგომა შეიძლება დაეხმაროს ხელოვნური ინტელექტის მკვლევრებს, უფრო სწრაფად შეიმუშაონ პროგრამები, რომლებიც ყველაფერს აკეთებენ დაავადების დიაგნოსტიკიდან დაწყებული, რობოტების ან სხვა მოწყობილობების სახლების გარშემო მართვით დამთავრებული.

ბევრი ხელოვნური ინტელექტის სისტემა ასეთ მეთოდზე დაყრდნობით — რომელსაც მანქანური სწავლება ეწოდება — უფრო ჭკვიანი ხდება. ისინი პოულობენ შაბლონებს მონაცემებში, რათა, ვთქვათ, გაარკვიონ, როგორ გამოიყურება სკამი ავეჯის ათასობით სურათის გაანალიზების შემდეგ. მაგრამ მონაცემთა უზარმაზარ ნაკრებებსაც კი აქვს ხარვეზები. რა თქმა უნდა, გამოსახულებაში ამ ობიექტს სკამი ეწოდება, მაგრამ რისგან არის დამზადებული? ან შეგვიძლია მასზე დაჯდომა?

იმისთვის, რომ ხელოვნური ინტელექტის სამყაროს შესახებ ცოდნა გააფართოვონ, მკვლევრები ცდილობენ, შექმნან კომპიუტერული პროგრამები, რათა აღმოაჩინონ ხარვეზები AI-ის ცოდნაში და გაარკვიონ, თუ როგორ უნდა სთხოვონ ადამიანებს ამ ცოდნის დახვეწაში დახმარება. ამ კვლევის საბოლოო მიზანი არის ხელოვნური ინტელექტი, რომელიც სწორად უპასუხებს კითხვებს ისეთი სურათების შესახებაც კი, რომლებიც მას მანამდე არ უნახავს.

წინა კვლევაში "აქტიურ დასწავლაზე", რომელშიც ხელოვნური ინტელექტი აფასებს საკუთარ უცოდინრობას და ითხოვს მეტ ინფორმაციას, ხშირად მკვლევრები უხდიდნენ ონლაინ მუშაკებს ასეთი ინფორმაციის მიწოდებისთვის, თუმცა ეს მიდგომა მასშტაბური არ იყო.

ფოტო: atriainnovation.com

ამიტომ, ახალ კვლევაში სტენფორდის უნივერსიტეტის მკვლევრებმა, რანჯაი კრიშნას ხელმძღვანელობით, მოამზადეს მანქანური სწავლების სისტემა არა მხოლოდ მის ცოდნაში არსებული ხარვეზების აღმოსაჩენად, არამედ გამოსახულების შესახებ (ხშირად სულელური) კითხვების დასასმელად, რომლებზეც უცნობები მოთმინებით პასუხობდნენ. (მაგ.: კითხვა: "რა ფორმისაა ნიჟარა?" პასუხი: "კვადრატული.")

გუნდმა "დააჯილდოვა" თავისი ხელოვნური ინტელექტი გასაგები კითხვების დაწერისთვის: როდესაც ადამიანები რეალურად პასუხობდნენ შეკითხვას, სისტემა იღებდა გამოხმაურებას, რომელიც ეუბნებოდა, რომ მომავალშიც ანალოგიურად მოქცეულიყო. დროთა განმავლობაში, ხელოვნურმა ინტელექტმა ისწავლა ენისა და სოციალური ნორმების შესახებ და გააუმჯობესა გონივრული კითხვების დასმის უნარები.

ახალ AI-ს აქვს რამდენიმე კომპონენტი, მათ შორის, ნეირონული ქსელები და რთული მათემატიკური ფუნქციები, რომლებიც შთაგონებულია ტვინის არქიტექტურით. ერთი კომპონენტი ირჩევდა, ვთქვათ, მზის ჩასვლის სურათს ინსტაგრამზე; მეორე სვამდა კითხვას ამ სურათზე. მაგალითად: "ეს ფოტო ღამით არის გადაღებული?" ხოლო დამატებითი კომპონენტები კი იღებდნენ ფაქტებს მკითხველის პასუხებიდან და მათგან სწავლობდნენ სურათების შესახებ.

8 თვისა და ინსტაგრამზე 200 000 შეკითხვის შემდეგ, სისტემის კითხვებზე პასუხის გაცემის აკურატულობა 118%-ით გაიზარდა. მთავარ ინოვაციას წარმოადგენდა ადამიანების დაჯილდოება პასუხებისთვის. რაც შეეხება შედარების სისტემას, რომელიც აქვეყნებდა კითხვებს ინსტაგრამზე, მაგრამ ცალსახად არ იყო გაწვრთნილი პასუხის მაჩვენებლების მაქსიმალურად გაზრდის მიზნით, მისი სიზუსტე გაუმჯობესდა მხოლოდ 72%-ით, ნაწილობრივ იმის გამო, რომ ადამიანები უფრო ხშირად აიგნორებდნენ მას.

სოციალური უნარები ასევე შეიძლება დაეხმაროს ხელოვნურ ინტელექტს, შეეგუოს ახალ სიტუაციებს. მაგალითად, თვითმართვადმა მანქანამ შეიძლება მოითხოვოს დახმარება სამშენებლო ზონაში ნავიგაციისთვის.

მკვლევრები იმედოვნებენ, რომ მსგავსი სისტემები საბოლოოდ დაეხმარებიან AI-ის საღი აზრის გაგებაში, ინტერაქტიულ რობოტიკასა და ჩეთბოტებში.