Det amerikanske firma IBM udvikler et kunstigt intelligenssystem baseret på modellen for den menneskelige hjerne. I øjeblikket er det nye neurale netværk allerede blevet lært til at tænke logisk, forstå komplekse forhold mellem genstande, og i fremtiden planlægger de at forbedre dets evne til at være opmærksom og producere og bevare minder.
I dag er teknologier til kunstig intelligens i stand til at demonstrere overfladisk menneskelige træk. For eksempel er nogle i stand til at udføre aktiviteter, der normalt kun er forbundet med en person - at skrive sange, undervise eller for eksempel skabe visuelle kunstværker.
Efterhånden som teknologien skrider frem, overvejer virksomheder og udviklere imidlertid grundlaget for kunstig intelligens, bedre forstå vores eget sind og hvordan vi effektivt kan modellere det (ved hjælp af maskiner og software). IBM er et sådant selskab, da det allerede har indledt et ambitiøst mål om at lære AI at arbejde som den menneskelige hjerne, ifølge Futurism.
Mange af de eksisterende maskinindlæringssystemer er afhængige af blokke af data (uanset hvilket arbejde de udfører). Imidlertid har denne støtte begrænsninger - i modsætning til den menneskelige hjerne.
Vi lærer gradvist og desuden bruger vi logik til at løse problemer - moderne AI er bygget på et andet princip. Imidlertid har DeepMind efter sigende udviklet et neuralt netværk, der bruger rationelle resonnementer til at udføre opgaver.
Timothy Lilicrap, en computer videnskabsmand hos DeepMind, bemærkede, at forskere gav AI en særlig opgave og mange objekter at betjene, hvorved de stimulerede det neurale netværk til at finde eksisterende forhold. Så for eksempel blev systemet spurgt: "Har objektet modsat den blå genstand den samme form som den lille lyseblå til højre for den grå metalkugle?" I sådanne test bestemte det neurale netværk det krævede emne i 96% af tilfældene (traditionelle maskinlæringsmodeller lykkes normalt i 42-77% af tilfældene).
Forskere fra IBM vil forbedre det nye neurale netværk, siger forsker Irina Rish (Irina Rish). Forbedre algoritmens evne til at være opmærksom såvel som at producere og bevare minder udviklere ønsker at oprette en arkitektur, der tillader neurale netværk at udvikle sig på egen hånd (ligesom en person, ved prøve og fejl).
