Искусственный интеллект, как и человек, учится постепенно. Прежде чем научиться читать, дети запоминают буквы, а перед тем, как решать уравнения, осваивают цифры. Этот же принцип применим и к машинному обучению, как показали ученые из Нью-Йоркского университета. В новом исследовании они продемонстрировали, что рекуррентные нейронные сети (RNN) гораздо эффективнее осваивают сложные задачи, если сначала обучаются простым.
Авторы работы назвали этот подход «программой детского сада», поскольку он имитирует естественный процесс обучения у людей. Сначала ИИ осваивает элементарные навыки, а затем комбинирует их для решения более трудных задач.
Рекуррентные нейронные сети — это особый тип ИИ, предназначенный для обработки последовательной информации, такой как речь или текст. Они лежат в основе многих современных технологий, включая голосовых ассистентов и переводчиков. Однако обучение RNN сложным когнитивным задачам остается проблемой. Традиционные методы часто оказываются неэффективными, поскольку не учитывают ключевые аспекты человеческого и животного обучения.
Чтобы решить эту проблему, ученые провели серию экспериментов с лабораторными крысами. Животных помещали в коробку с несколькими отсеками, где им нужно было найти воду. Однако доступ к воде открывался только после определенных сигналов — звуков и света. Крысам требовалось не только запомнить связь между сигналами и появлением воды, но и научиться терпеливо ждать, поскольку жидкость поступала не сразу. Таким образом, животные сначала осваивали простые ассоциации, а затем комбинировали их для достижения цели.
Эти наблюдения легли в основу нового метода обучения нейросетей. Вместо того, чтобы сразу давать ИИ сложную задачу, исследователи разбили ее на элементарные компоненты. Например, в эксперименте с RNN сеть сначала училась принимать простые решения, а затем использовала эти навыки для максимизации выигрыша в более комплексной игре. Результаты показали, что нейросети, прошедшие «детский сад», обучались значительно быстрее, чем те, которые обучались традиционными методами.
Исследование открывает новые перспективы в развитии искусственного интеллекта. Возможно, в будущем ИИ будет обучаться по аналогии с человеческим мышлением — шаг за шагом, от простого к сложному. Такой подход может привести к созданию более адаптивных и универсальных систем, способных гибко применять знания в разных сферах.
Ранее исследование показало — то, что для человека элементарно, для машин может стать проблемой. Так, даже самые продвинутые нейросети не могут точно определить время по аналоговым часам и делают ошибки в календарных расчетах.