Что если ключ к более гибкому и «умному» искусственному интеллекту — не в гигантских массивах данных, а в умении бормотать про себя? Именно к такому выводу пришли исследователи из Японии.
Разговоры с самим собой кажутся сугубо человеческой чертой. Внутренний монолог помогает нам упорядочивать мысли, принимать решения и разбираться в собственных эмоциях. Но, как показывает новое исследование, опубликованное в журнале Neural Computation, от этой стратегии выигрывают не только люди.
Учёные из Окинавского института науки и технологий (OIST) продемонстрировали: если научить искусственный интеллект «разговаривать с самим собой» и снабдить его кратковременной памятью, он начинает быстрее учиться и легче переносит навыки с одной задачи на другую.
Как устроена «внутренняя речь» ИИ
В центре работы — идея самовзаимодействия. Исследователи добавили в процесс обучения ИИ так называемое self-mumbling — направленные внутренние «реплики», которые система проговаривает сама для себя. Это похоже на то, как человек шепчет инструкции, решая сложную задачу.
Ключевую роль здесь играет рабочая память. В когнитивных науках под ней понимают способность кратковременно удерживать и использовать информацию — например, когда мы запоминаем инструкцию или считаем в уме. Учёные смоделировали разные архитектуры памяти и показали: системы с несколькими «ячейками» рабочей памяти лучше справляются с нетривиальными задачами — такими как разворот последовательностей или восстановление сложных паттернов.
Когда же к этой архитектуре добавили внутренний диалог — ограниченное количество «разговоров с собой» — качество обучения заметно выросло. Особенно это проявилось при многозадачности и выполнении длинных цепочек действий.
От обобщения к реальным задачам
Одна из давних проблем машинного обучения — слабая способность к обобщению. Алгоритм отлично работает в знакомых условиях, но теряется, когда ситуация немного меняется. Люди же ежедневно переключаются между задачами и решают незнакомые проблемы почти автоматически.
По словам ведущего автора исследования Джеффри Квайссера, команда давно интересуется так называемой «контент-независимой обработкой информации» — умением осваивать не конкретные ответы, а общие методы решения. Чтобы приблизиться к этому, исследователи объединили подходы из нейронаук, психологии развития, робототехники и машинного обучения.
Особенно примечательно, что предложенная система работает даже с разреженными данными. В отличие от громоздких моделей, требующих огромных обучающих наборов, этот подход оказывается лёгкой и экономичной альтернативой для обучения ИИ обобщению.
Следующий шаг — усложнить условия. В реальном мире решения принимаются не в стерильных лабораториях, а в шумной, изменчивой и непредсказуемой среде. Исследователи планируют добавить эти факторы в свои модели, чтобы ещё точнее воспроизвести человеческое развитие и обучение.
В конечном счёте цель работы выходит за рамки искусственного интеллекта. Изучая такие феномены, как внутренняя речь, учёные глубже понимают нейронные механизмы человеческого обучения, поведения и мышления. А заодно получают практические инструменты — например, для создания бытовых или сельскохозяйственных роботов, способных адаптироваться к сложному миру вокруг нас.
