AI המבוסס על רשת עצבית לומד טוב יותר מצ'אט GPT

This post is also available in: English (אנגלית)

בעוד הבינה המלאכותית משתלטת על העולם בסערה, לטכנולוגיית רשת עצבית פורצת דרך יש פוטנציאל לחולל מהפכה ולהעצים את יכולותיה. לאחרונה, מדענים וחוקרים של בינה מלאכותית ומדע קוגניטיבי שיתפו פעולה כדי ליצור רשת עצבית המפגינה מיומנות דמוית אדם בהכללת שפה.

טכנולוגיה עצבית זו בשם MLC (Meta-learning for Compositionality) מחקה את הדרך בה בני אדם לומדים ומשתמשים במילים חדשות במצבים שונים, באמצעות תהליך הנקרא "הכללה שיטתית". בניגוד למערכות בינה מלאכותית אחרות, הרשת העצבית משלבת מילים חדשות שנלמדו לתוך אוצר המילים הקיים.

חברת מיקרוסופט טוענת כי "הרשת העצבית יכולה ללמוד מילים חדשות בקצב הרבה יותר מהיר מצ'אט GPT. אנחנו לא רק מדברים על לימוד המילים החדשות אלא גם הוספתן לאוצר המילים לשימוש כללי".

היכולת של הטכנולוגיה הוצגה באמצעות המיומנות האנושית הטבעית ליישם מילים חדשות בהקשרים שונים בצורה חלקה, וביצועיה דמויי האדם מסמנים פריצת דרך ביכולת להכשיר רשתות לשיטתיות.

לפי אתר Interesting Engineering, החוקרים תחילה ערכו ניסויים עם בני אדם ובדקו את יכולתם ליישם מילים חדשות במצבים שונים על ידי שימוש בשיטת למידה הכרוכה בהכשרת מערכת בינה מלאכותית בזמן אמת. לאחר מכן המערכת עקפה את הביצועים של מודלי הבינה המלאכותית המסורתיים (כמו צ'אט GPT) על ידי שכפול דפוסי הטעויות האנושיות באימונים שלה, ובכך הפכה מסוגלת להשתמש במילים חדשות בדרכים דומות מאוד להבנה האנושית.

התקדמות זו מראה הבטחה בטיפוח אינטראקציות אורגניות יותר בין בני אדם למערכות בינה מלאכותית. לדוגמה, הבנת המשפט "החתול רודף אחרי הכלב" מאפשרת להבין ביטויים דומים כמו "הכלב רודף אחרי החתול" ללא מאמץ נוסף.

החוקרים נתקלו במספר אתגרים עם הממשק, כמו הרחבת הטכנולוגיה כדי להתמודד עם מערכי נתונים גדולים יותר, או הכללת היישומים שלה להקשרים שונים, כמו תמונות.

אליה ברוני, מומחית לעיבוד שפה טבעית באוניברסיטת אוסנברוק בגרמניה, הצהירה כי מחקר זה יכול להפוך את הלמידה של רשתות עצביות יעילה בהרבה, וכתוצאה מכך תופחת כמות הנתונים העצומה הנדרשת לאימון מערכות בינה מלאכותית. בנוסף, זה צפוי להפחית מקרים של זיהוי דפוסים לא קיימים והנבת תוצאות לא מדויקות בבינה מלאכותית (מה שמכונה גם "הזיות").