Нові дослідження демонструють несподівані когнітивні здібності мовних моделей.
Науковці з Китаю зафіксували несподівану властивість сучасних великих мовних моделей (LLM) — вони демонструють здатність до концептуалізації, яка має спільні риси з людським мисленням. Як повідомляє The Independent, дослідницька група з Академії наук Китаю та Південнокитайського технологічного університету встановила, що ШІ-системи, зокрема ChatGPT-3.5 (OpenAI) і Gemini Pro Vision (Google), самостійно впорядковують інформацію у спосіб, який не передбачався під час їхнього навчання, інформує ЕКСПЕРТ.
У межах експериментального завдання моделі мали знайти зайвий об’єкт серед кількох запропонованих. Результати показали, що вони сформували 66 концептуальних категорій, на основі яких класифікували предмети. За словами авторів дослідження, ці категорії виявились зрозумілими для людини, що свідчить про наявність у мовних моделей внутрішнього представлення понять, подібного до людського.
На думку вчених, такі результати ставлять під сумнів усталене уявлення про ШІ як систему, що лише повторює шаблони. Це відкриває перспективи для створення більш “когнітивно споріднених” моделей, які краще взаємодіють з людьми.
Паралельно зі здобутками в області LLM, у світі розвиваються ще амбітніші проєкти — зокрема, технології на перетині біології та штучного інтелекту. Австралійський стартап Cortical Labs представив комерційну систему, в основі якої — живі нейрони. Так званий біологічний комп’ютер містить понад 800 тисяч клітин мозку людини та миші, вирощених у лабораторії. Вони змонтовані на кремнієвій платформі та здатні обробляти сигнали, взаємодіяти з цифровими середовищами й навіть навчатися.
Як зазначено у статті журналу Cell, під час одного з тестів біокомп’ютер самостійно навчився грати у Pong — класичну комп’ютерну гру. При цьому фахівці зафіксували в нейронів ознаки, які можна інтерпретувати як базові прояви свідомості.
Розробники вважають, що об’єднання біологічного інтелекту з електронікою відкриває шлях до створення надгнучких і здатних до самоорганізації систем, що можуть навчатися швидше, ніж сучасні цифрові алгоритми.
