Модель «Базового интеллекта» объясняет, как создать по-настоящему мыслящий ИИ

Сегодня на рынке ИИ доминируют большие языковые модели, такие как ChatGPT, Gemini или DeepSeek. Они блестяще имитируют человека, но на самом деле не понимают мир и не обучаются у него в режиме реального времени. Авторы нового исследования предполагают, что для выхода на следующий уровень нам необходимо прекратить моделировать язык и начать моделировать сам мозг.

Цай Боруй и Чжао Яо из Университета Дикина (Австралия) представили концепцию, которая, по их мнению, сократит разрыв между современными чат-ботами и универсальным ИИ. Авторы отмечают, что существующие модели часто генерируют ненадежные рассуждения и не могут улучшить свое поведение на основе нового опыта без дорогостоящего переобучения, пишет Daily Neuron.

Основная проблема заключается в том, что язык — это всего лишь описание мышления, а не функциональный субстрат самого мышления. «Хотя языковые представления могут формулировать принципы обучения, они не могут воплощать сложную нейронную динамику, посредством которой фактически происходит биологическое обучение», — сказали ученые.

Для решения этой проблемы исследователи предлагают модель «Базового интеллекта», которая позволяет описать основные механизмы интеллекта, обучаясь непосредственно на примерах разумного поведения. Главная инновация этого подхода заключается в том, что именно пытается предсказать ИИ. Традиционные модели функционируют как чрезвычайно продвинутые системы автокоррекции, угадывающие следующее слово в предложении.

Модель «Базового интеллекта» работает совершенно иначе: она прогнозирует выходной сигнал нейрона. Ее цель — научить систему предсказывать выходной сигнал биологических нейронов на основе коллективной динамики нейронной системы.

Этот подход основан на новой архитектуре, называемой «состоянием нейронной сети». В отличие от стандартных моделей ИИ, обрабатывающих данные жесткими слоями, эта сеть имитирует временную динамику биологических нейронов. Она позволяет системе хранить и обрабатывать информацию с течением времени подобно тому, как человеческий разум удерживает мысль при обработке новой информации.

Сеть использует графоподобную структуру, где связи могут разветвляться и замыкаться. Она имитирует сложную структуру мозга, где сигналы не просто движутся вперед, а циркулируют, создавая петли обратной связи. Эти петли позволяют информации сохраняться и взаимодействовать с течением времени, что создает форму кратковременной памяти и контекста, критически важные для сложных рассуждений.

В качестве иллюстрации авторы использовали известный пример собаки Павлова. В этом биологическом сценарии собака учится связывать звук колокольчика с появлением еды. В конечном итоге, у собаки выделяется слюна при одном только звуке колокольчика.

Стандартная языковая модель просто прочитала бы текстовое описание этого события. Модель «Базового интеллекта» пытается воспроизвести нейронную активность, происходящую в мозге собаки во время этого процесса обучения. Она рассматривает опыт собаки как последовательность нейронных входов и выходов. Обучая ИИ на этих последовательностях, модель не просто запоминает историю собаки, она изучает базовый механизм ассоциации и адаптации.

В зависимости от активности система регулирует силу внутренних связей. Это явление известно как нейронная пластичность и позволяет ИИ перестраиваться на основе опыта, подобно биологическому мозгу.

Таким образом, модель преобразует абстрактную и труднодостижимую цель «обучения интеллекту» в конкретную задачу обучения последовательностям.

Передавая модели большие объемы данных — входящую сенсорную информацию и исходящую двигательную, система может изучать универсальные принципы, лежащие в основе когнитивных способностей. Эти данные можно собирать косвенно с помощью носимых датчиков или цифровых аватаров, которые регистрируют, как люди воспринимают и действуют в мире.

Исследование открывает путь к системам ИИ, способным по-настоящему мыслить и адаптироваться к новым условиям без вмешательства человека.

Ученые из Бангладеш представили недавно новый тип искусственного интеллекта, способный самостоятельно восстанавливаться после сбоев и обучаться быстрее традиционных моделей. Система основана на принципах гомеостаза и саморегуляции, которые позволяют человеческому мозгу поддерживать стабильность и восстанавливаться после перегрузок.

Источник: hightech.plus

Источник: ai-news.ru