מחקר חדש מראה חפיפה בין מנגנוני הלמידה של בני אדם ובינה מלאכותית

This post is also available in: English (אנגלית)

מחקר חדש מצא שמערכות בינה מלאכותית עשויות ללמוד בדרכים הדומות להפליא לתהליכי הלמידה האנושיים, מה שמספק תובנות חדשות על האופן שבו מתפתחת התנהגות אדפטיבית – ועשוי להנחות את פיתוחם של כלים אינטואיטיביים יותר בעתיד.

המחקר, שפורסם בכתב העת Proceedings of the National Academy of Sciences, בחן כיצד מערכות בינה מלאכותית משלבות בין חשיבה מהירה המבוססת על הקשר, לבין למידה איטית יותר המבוססת על ידע מצטבר. במונחים אנושיים, מדובר בקירוב לאינטראקציה בין זיכרון לטווח קצר וזיכרון לטווח ארוך.

החוקרים אימנו מערכת בינה מלאכותית תוך שימוש ב"מטה-למידה"  (meta-learning) – שיטה שמלמדת את המודל איך ללמוד, ולא רק איך לבצע משימה מסוימת. עם הזמן, החלה המערכת להפגין פתרון בעיות גמיש יותר – כשהיא מגיבה למידע חדש בדרכים המזכירות את התנהגותם של בני אדם במצבים דומים, כך לפי TechXplore.

לדוגמה, באחת מהמשימות התבקשה המערכת לפרש צירופים של רכיבים מוכרים שלא הוצגו לה יחד בעבר – כמו התאמה בין צבע לחיה כדי לזהות משהו כמו "ג'ירפה ירוקה". לאחר אימון על אלפי אתגרים דומים, הצליחה המערכת להסיק הכללות נכונות על בסיס דוגמאות קודמות. יכולת של הרכבה מחדש מסוג זה נחשבת למרכיב מרכזי בהיגיון האנושי.

המחקר חשף גם פשרות מסוימות. המערכת שמרה על מידע טוב יותר כאשר המשימה דרשה מאמץ רב יותר או כללה שגיאות – בדומה לבני אדם שנוטים לזכור טוב יותר חוויות הכרוכות בפתרון בעיות או תיקון טעויות. לעומת זאת, משימות שבוצעו בקלות יחסית בהתבסס על הקשר מיידי תרמו לגמישות גבוהה יותר, אך פחות לזכירה ארוכת טווח.

למרות שהמחקר מבוסס על מודלים חישוביים, הממצאים עשויים לסייע בגישור בין מדעי המוח ללמידת מכונה. הוא מצביע על כך שמערכות בינה מלאכותית מסוימות אינן רק מחקות את הפלט האנושי – אלא עשויות לשקף דינמיקות למידה פנימיות דומות.

ככל שכלי בינה מלאכותית משתלבים בסביבות קבלת החלטות – החל מתחום הבריאות ועד למערכות הגנה – הבנת האופן שבו מערכות למידת מכונה רוכשות ומיישמות ידע עשויה למלא תפקיד מרכזי בשיפור השקיפות, האמינות והיכולת לשיתוף פעולה עם משתמשים אנושיים.