“Trí tuệ sinh học giống như của AI là điều xa vời”

Trừ khi được liên kết với thế giới thực thông qua robot, AI khó có thể phát triển nhận thức giống con người

Theo nghiên cứu từ Đại học Sheffield, việc kết nối các hệ thống trí tuệ nhân tạo với thế giới vật chất thông qua rô bốt và xây dựng chúng bằng các nguyên tắc tiến hóa là cách khả thi nhất để AI phát triển nhận thức giống con người. Theo Giáo sư Tony Prescott và TS. Stuart Wilson từ Khoa Khoa học Máy tính của trường Đại học. Theo nghiên cứu của Sheffield, trí thông minh sinh học, như được thấy trong não người, đã phát triển nhờ thiết kế này và cách nó tận dụng các kết nối với thế giới bên ngoài để vượt qua các chướng ngại vật, tiếp thu các kỹ năng mới và cải thiện theo thời gian. Theo nghiên cứu, mối quan hệ giữa tiến hóa và phát triển nên được xem xét khi thiết kế AI. Các hệ thống AI hiện đại như ChatGPT sử dụng các mạng thần kinh lớn để giải quyết các vấn đề thách thức như tạo ngôn ngữ viết dễ hiểu. Mạng đào tạo AI để xử lý dữ liệu theo cách được mô phỏng theo bộ não con người đồng thời học hỏi từ những sai lầm để trở nên tốt hơn và chính xác hơn. Mặc dù mô hình này giống với bộ não con người theo một số cách nhất định, nhưng các nhà nghiên cứu của Sheffield khẳng định những khác biệt đáng kể đã ngăn cản họ phát triển trí thông minh tương đương về mặt sinh học.

Đầu tiên, bộ não hiện diện một cách vật lý trong cơ thể con người, trực tiếp nhìn và phản ứng với thế giới bên ngoài. Đối với AI quái gở, có thể học cách nhận biết và phát triển các mẫu phức tạp trong dữ liệu nhưng không có liên kết trực tiếp với thế giới thực, việc hiện thân cung cấp các chức năng quan trọng của não bộ theo những cách không thể tưởng tượng được. Kết quả là những AI đó không nhận thức được và không thể hiểu được môi trường xung quanh chúng. Thứ hai, bộ não con người bao gồm nhiều hệ thống con khác nhau được tổ chức theo một cách hoặc kiến ​​trúc cụ thể, được chia sẻ bởi tất cả các loài động vật có xương sống, bao gồm cả cá và con người, nhưng không phải AI.

“ChatGPT và các mô hình mạng lưới thần kinh lớn khác là những bước phát triển thú vị trong AI cho thấy những thách thức khó khăn như học cấu trúc ngôn ngữ của con người có thể được giải quyết”, Giáo sư Tony Prescott, Giáo sư về Robot nhận thức tại Đại học Sheffield và Giám đốc cho biết. Người máy Sheffield.

Tuy nhiên, nếu chúng tiếp tục được tạo ra bằng các kỹ thuật tương tự, các hệ thống AI này khó có thể đạt đến mức có thể suy nghĩ toàn diện như bộ não con người. Giả sử một hệ thống AI được tạo ra với thiết kế học hỏi và phát triển giống như cách thức hoạt động của bộ não con người, tận dụng mối liên hệ của nó với thế giới thực. Trong trường hợp đó, khả năng cuối cùng họ sẽ đạt được nhận thức giống như con người sẽ tăng lên đáng kể. Các liên kết này có thể được cung cấp cho các hệ thống AI thông qua rô-bốt, chẳng hạn như bộ truyền động như bánh xe và bộ kẹp cũng như các cảm biến như máy ảnh và micrô. Sau đó, các hệ thống AI có thể cảm nhận môi trường của chúng và học giống như bộ não con người.

Các học giả của Sheffield cho rằng những phát triển gần đây trong việc tạo ra AI để điều khiển robot đã đạt được rất ít tiến bộ. Mô hình mạng thần kinh hồi quy là một phương pháp hiệu quả bao gồm một số vòng phản hồi và được đào tạo để đưa ra dự đoán tốt hơn về những gì có thể xảy ra tiếp theo. Những mô hình này đại diện cho một bước tiến đáng kể trong lĩnh vực khả năng thích ứng của robot. Nghiên cứu lập luận rằng AI của robot vẫn cần mô phỏng chính xác cách các hệ thống con khác nhau của bộ não tương tác với nhau như một phần của kiến ​​trúc nhận thức toàn diện hơn.

Tiến sĩ Stuart Wilson, Giảng viên cao cấp về Khoa học thần kinh tính toán tại Đại học Sheffield cho biết: “Nhiệm vụ tìm hiểu cách bộ não thực điều khiển cơ thể bằng cách xây dựng bộ não nhân tạo cho rô-bốt đã dẫn đến những phát triển thú vị về rô-bốt và khoa học thần kinh trong những thập kỷ gần đây”. Sau khi xem xét một số sáng kiến ​​này, hầu hết đều tập trung vào cách bộ não nhân tạo có thể học hỏi, chúng tôi tin rằng những tiến bộ tiếp theo trong AI sẽ bắt nguồn từ việc bắt chước chặt chẽ hơn cách bộ não thật phát triển và tiến hóa.