Pētījums parādīja, ka cilvēki un mākslīgās sistēmas iziet līdzīgas valodas interpretācijas stadijas un apstrādā vārdus, izmantojot praktiski vienus un tos pašus noteikumus. Šī pētījuma, ko veica Jeruzalemes Ebreju universitāte, rezultāti var mainīt prāta un tehnoloģiju mijiedarbības nākotni.
Saturs
Cenšoties izprast, kā mēs domājam un apstrādājam vārdus, zinātne bieži aplūko smadzenes un tehnoloģijas no pretējiem viedokļiem. Tomēr jauns pētījums liecina, ka šiem diviem pasaulēm, bioloģiskajai un mākslīgajai, var būt daudz vairāk kopīga, nekā tika uzskatīts iepriekš.
Nesenie pētījumi norāda uz pārsteidzošu paralēli starp to, kā cilvēki un mākslīgais intelekts interpretē valodu, metot gaismu uz noslēpumaino universālo mehānismu, kas ļauj mums piešķirt jēgu dzirdētajam.
Unikāls eksperiments: cilvēks un mākslīgais intelekts zem mikroskopa.
Nesenais starptautisks pētījums, ko veica Jeruzalemes Ebreju universitāte un publicēja žurnālā Nature Communications, parādīja, ka cilvēka smadzenes apstrādā valodu hierarhiskā secībā, kas līdzīga tai, ko izmanto modernākajos mākslīgā intelekta modeļos. Šis atklājums apstrīd tradicionālās valodas saprašanas teorijas un sniedz jaunu datu avotu neirozinātnei.
Projekts, ko vadīja doktors Ariels Goldšteins no Ebreju universitātes sadarbībā ar doktoru Mariano Šainu no Google Research un profesoriem Uri Hasonu un Ēriku Hamu no Prinstonas universitātes, bija eksperiments, kura laikā dalībnieki klausījās 30 minūšu garu podkāstu, un viņu smadzeņu aktivitāte tika reģistrēta ar elektrokortikogrāfijas palīdzību.
Komanda izvilka konteksta vektoru attēlus no šiem AI modeļiem un izmantoja lineāros modeļus, lai prognozētu neironu reakcijas laikā. Pētījums parādīja, ka daudzlīmeņu hierarhija AI modeļos atbilst smadzeņu valodas saprašanas laika dinamikai.
Tas nozīmē, ka pētnieki atklāja, ka gan mākslīgajā intelektā, gan cilvēka smadzenēs valodas saprašana notiek pakāpeniski : vispirms tiek apstrādāti vienkārši detaļas, un pēc tam tiek pievienoti sarežģītāki aspekti, abās sistēmās līdzīgā secībā.
Slāņi un laiks: kopēja karte valodas sapratnei
Viens no galvenajiem rezultātiem bija korelācija starp AI modeļu apstrādes slāņiem un smadzeņu aktivitāti. Agrīnās neironu reakcijas sakrita ar modeļu pirmajiem slāņiem, kas uztver vienkāršas vārdu īpašības.
Tikmēr dziļākie slāņi, kas atbild par konteksta, tona un nozīmes integrāciju, sakrita ar turpmāko smadzeņu aktivitāti jomās, kas atbild par augsta līmeņa lingvistisko datu apstrādi, piemēram, Broka zona (dominējošā frontālās daivas zona, parasti kreisā, kas ir svarīga runas ražošanai).
Šī sakritība tika novērota kā precīza laika secība: maksimālā reakcija Broka zonā parādījās vēlāk un sakrita ar dziļāko AI modeļu slāņu aktivizēšanos. Dati liecināja par spēcīgu korelāciju starp modeļa dziļumu un smadzeņu informācijas apstrādes logu valodas saprašanas laikā.
Desmitiem gadu valdošās teorijas lingvistikā un neirobioloģijā apgalvoja, ka smadzenes apstrādā valodu saskaņā ar simboliskiem noteikumiem un stingrām struktūrām. Šī pētījuma rezultāti ir pretrunā ar šo pieeju, liecinot, ka smadzeņu informācijas apstrāde ir dinamiskāka un kontekstualāka, un nozīme veidojas pakāpeniski slāņos, nevis pakļaujas fiksētiem noteikumiem.
Atklāts resurss zinātnei un jaunām hipotēzēm
Turklāt, salīdzinot prognozes, kas balstītas uz AI, ar tradicionālajām simboliskajām pieejām, tika atklāts, ka kontekstuālie vektoru attēlojumi, kas iegūti ar AI palīdzību, precīzāk paredz reālo smadzeņu aktivitāti nekā klasiskās valodas vienības, piemēram, fonēmas (atsevišķi skaņas, kam nav savas nozīmes, piemēram, “p” vārdā “duck”) un morfēmas (nelielas vārda daļas, kam ir nozīme, piemēram, “-s” daudzskaitļa apzīmēšanai vārdā “children”). Smadzenes integrē nozīmi daudz vienmērīgāk un kontekstuāli, nekā tika pieņemts iepriekš.
Lai veicinātu zinātnes progresu, pētījuma autori ir publiskojuši datu kopu, kas saista neironu ierakstus ar lingvistiskām pazīmēm, kas iegūtas no mākslīgā intelekta modeļiem.
Šis resurss kalpos par pamatu speciālistiem no visas pasaules, ļaujot viņiem pārbaudīt teorijas par lingvistiskās informācijas apstrādi un izstrādāt aprēķinu modeļus, kas precīzāk atspoguļo cilvēka izziņu.
Šī datu kopuma publicēšana ļauj tieši salīdzināt smadzeņu aktivitāti ar mākslīgā intelekta ģenerētiem attēliem, kas veicina jaunu hipotēžu rašanos un pārbaudi šajā jomā.
Lai gan cilvēka smadzenes un mākslīgā intelekta sistēmas ir atšķirīgas struktūras, abas sistēmas pakāpeniski virzās uz valodas izpratni, sekojot hierarhiskam un pakāpeniskam procesam, tādējādi pārdefinējot robežas starp neirozinātni un tehnoloģiju.
