نُشرت نتائج البحث في مجلة Nature Computational Science، حيث أظهرت شبكة CATS Net العصبية قدرة فريدة على تحويل البيانات الأولية، مثل الصور والأصوات، إلى "مفاهيم" داخلية، بطريقة مشابهة لتعلم الدماغ البشري فهم العالم عبر الحواس. وعلى عكس معظم أنظمة الذكاء الاصطناعي التقليدية، يمكن للشبكة استخلاص المفاهيم المجردة بنفسها دون الحاجة لربطها مسبقا بكلمات.
وتتألف الشبكة من وحدتين رئيسيتين: وحدة تجريد المفاهيم، التي تحول البيانات الحسية المعقدة إلى "مختصرات ذهنية" مدمجة، ووحدة حل المشكلات، التي تستخدم هذه المختصرات لأداء مهام محددة، مثل التعرف على الأشياء في الصور. وتصبح هذه العلامات الداخلية أدوات عمل لمعالجة المعلومات، مما يسمح للشبكة بالتكيف مع مهام جديدة دون الحاجة لإعادة تدريب.
وأظهر البحث أن بنية التصورات المجردة للشبكة ترتبط بالنشاط في القشرة الجدارية والقشرة الصدغية للدماغ، مما يشير إلى تشابهها مع المعالجة الدلالية البشرية. وتعد هذه النتائج مهمة لتطوير نظرية وممارسة الذكاء الاصطناعي على النحو التالي:
يمكن للنظام نقل المعرفة بين وكلاء الذكاء الاصطناعي عبر متجهات مفاهيمية بدون إعادة تدريب.
تعتمد البنية على مجموعات بيانات شائعة، مما يبرز قدراتها على حل المهام البصرية في العالم الحقيقي.
تُشكل الشبكة مفاهيمها الداخلية الخاصة عن العالم، مما يقرب الذكاء الاصطناعي من القدرات المعرفية البشرية.
ومع ذلك، تفتح شبكة CATS Net الطريق أمام أنظمة أكثر مرونة، قادرة على تبادل المعرفة وحل المشكلات دون الحاجة إلى إعادة تدريب مستمرة.
المصدر: Naukatv.ru