Nga "The Terminator" robotët vrasës kanë qenë një tipar kryesor në filmat e filmave fantastiko-shkencor për vite me radhë. Por ankthet e inteligjencës artificiale që kapërcen njerëzimin mund të jenë më larg sesa mendonim, sipas shkencëtarëve.
Hulumtimi i ri nga Universiteti i Oksfordit sugjeron se truri i njeriut mëson informacionin në një mënyrë thelbësisht të ndryshme dhe më efikase nga makinat.
Kjo i lejon njerëzit të mësojnë diçka pasi e shohin atë një herë, ndërsa AI duhet të trajnohet qindra herë për të njëjtin informacion. Ndryshe nga AI, njerëzit gjithashtu mund të mësojnë informacione të reja pa ndërhyrë në njohuritë që kemi tashmë.
Një nga proceset themelore të të mësuarit është diçka që quhet 'caktimi i kredisë'.
Kur bëjmë një gabim, caktimi i kredisë përpiqet të kuptojë se ku në tubacionin e përpunimit të informacionit është futur gabimi.
Shumica e AI moderne përbëhen nga rrjete nervore artificiale, të cilat janë shtresa 'nyjesh' ose neuronesh të ngjashme me atë që mund të gjeni në tru.
Kur një AI bën një gabim, ajo rregullon lidhjet midis këtyre neuroneve, të quajtura gjithashtu rregullimi i 'peshave', për të rregulluar mirë proceset e saj të vendimmarrjes derisa të marrë përgjigjen e duhur.
Ky proces quhet përhapje prapa, sepse gabimet përhapen mbrapsht përmes rrjetit nervor të AI.
Deri kohët e fundit, shumë studiues mendonin gjithashtu se kjo ishte mënyra se si rrjetet nervore biologjike si truri i njeriut mësuan nga përvojat e reja.
Në punimin e tyre, të botuar në Nature Neuroscience, autorët shkruajnë: 'Përhapja e pasme, si një teori e thjeshtë por efektive e caktimit të kredisë, ka fuqizuar përparime të dukshme në inteligjencën artificiale që nga fillimi i saj dhe gjithashtu ka fituar një vend mbizotërues në të kuptuarit e të mësuarit në tru.'
Megjithatë, ata gjithashtu theksojnë se truri është superior ndaj AI-ve duke përdorur përhapjen prapa në një numër mënyrash të rëndësishme.
Ndërsa AI mund t'i tejkalojë njerëzit në detyra nga të menduarit krijues deri te punësimi i stafit, duhet shumë kohë që AI të mësojë ta bëjë këtë.
Njerëzit janë në gjendje të mësojnë nga një shembull i vetëm i një përvoje të re, ndërsa AI duhet t'i ekspozohet shembujve qindra, nëse jo mijëra herë.
Dhe, më e rëndësishmja, kur njerëzit mësojnë diçka të re, ajo nuk ndërhyn me atë që ne tashmë dimë, ndërsa ky është rasti për AI.
Përballë kësaj prove, studiuesit shikuan grupet e ekuacioneve që përshkruanin se si ndryshon sjellja e neuroneve në tru.
Kur ata simuluan këto metoda të përpunimit të informacionit, ata zbuluan se kjo ishte një mënyrë krejtësisht e ndryshme e të mësuarit për përhapjen prapa, të cilën ata e quajnë konfigurim të ardhshëm.
Ndryshe nga AI, e cila së pari rregullon lidhjet midis neuroneve, aktiviteti i neuroneve ndryshon në mënyrë që ata të parashikojnë më mirë rezultatin, pastaj peshat rregullohen për t'iu përshtatur këtij modeli të ri.
Ndërsa ky mund të mos duket si një ndryshim i rëndësishëm, efektet mund të jenë shumë domethënëse.
Si shembull, studiuesit përshkruajnë një ari që shkon për të gjuajtur për peshk.
Kur ariu sheh lumin, mendja e tij gjeneron parashikime të dëgjimit të ujit dhe nuhatjes së salmonit. Kur kjo funksionon mirë, ariu mund të konkludojë se duhet të jetë në gjendje të nuhasë salmonin në lumë kur e sheh atë, dhe për këtë arsye di ku të gjuajë.
Por, një ditë ariu vjen për të peshkuar dhe i ka lënduar veshin që nuk e dëgjon fare lumin. Nëse ariu do të përdorte një metodë mësimi të ngjashme me AI, përhapja e pasme do të dërgonte këtë gabim - mungesën e dëgjimit - për të zvogëluar lidhjen midis shikimit dhe dëgjimit të lumit.
Por, kjo do të zvogëlonte edhe peshën midis shikimit të lumit dhe nuhatjes së peshkut. Ariu do të dështonte të parashikonte se mund të nuhasë peshkun kur bëhet fjalë për lumë dhe kështu do të arrinte në përfundimin se nuk ka salmon në lumë.
Megjithatë, padyshim që krijesat biologjike nuk funksionojnë kështu. Metodat e mundshme të konfigurimit, nga ana tjetër, do të siguronin që ndryshimi në informacionin e dëgjimit të mos ndikojë në njohuritë e mbetura të ariut.
Por, edhe pse konfigurimi i ardhshëm është një mënyrë më efikase për të mësuar, shkencëtarët thonë se kompjuterët aktualë nuk mund të përdorin këtë lloj sistemi.
Autori i parë i studimit Dr Yuhang Song thotë: 'Simulimi i konfigurimit të mundshëm në kompjuterët ekzistues është i ngadalshëm, sepse ata veprojnë në mënyra thelbësisht të ndryshme nga truri biologjik.'
Megjithatë, Dr Song thotë se ekziston mundësia e zhvillimit të kompjuterëve të rinj që mund të përdorin këtë metodë.
Ai shton: 'Duhet të zhvillohet një lloj i ri kompjuteri ose hardueri i dedikuar i frymëzuar nga truri, i cili do të jetë në gjendje të zbatojë konfigurimin e ardhshëm me shpejtësi dhe me pak përdorim energjie.'
Studiuesi kryesor Profesor Rafal Bogacz gjithashtu thekson se aktualisht ekziston një hendek i madh njohurish midis kësaj teorie dhe realitetit.
Profesor Bogacz thotë: 'Aktualisht ekziston një hendek i madh midis modeleve abstrakte që kryejnë konfigurimin e mundshëm dhe njohurive tona të detajuara të anatomisë së rrjeteve të trurit.'
Ai thotë se kërkimet e ardhshme do të synojnë të lidhin hendekun midis algoritmeve dhe trurit real.