Моделът „Базов интелект“ обяснява как да се създаде истински мислещ ИИ

Днес пазарът на пазара за изкуствен интелект доминират големите езикови модели като ChatGPT, Gemini или DeepSeek. Те блестящо имитират хората, но всъщност не разбират света и не се учат от него в реално време. Авторите на едно ново изследване предполагат, че за да преминем на следващото ниво, трябва да спрем да моделираме езика и да започнем да моделираме самия мозък.

Цай Боруй и Джао Яо от университета Дикин (Австралия) представиха концепция, която според тях ще запълни пропастта между съвременните чатботове и универсалния ИИ. Авторите отбелязват, че съществуващите модели често генерират ненадеждни разсъждения и не могат да подобрят поведението си въз основа на нов опит без скъпоструващо преквалифициране, пише Daily Neuron.

Основният проблем е, че езикът е само описание на мисленето, а не функционалният субстрат на самото мислене. „Макар че езиковите репрезентации могат да формулират принципите на ученето, те не могат да въплътят сложната невронна динамика, чрез която всъщност се осъществява биологичното учене“, казват учените.

За да се справят с този проблем, изследователите предлагат модел на „базова интелигентност“, който позволява основните механизми на интелигентността да бъдат описани чрез учене директно от примери за интелигентно поведение. Основното нововъведение на този подход се състои в това какво точно се опитва да предскаже изкуственият интелект. Традиционните модели функционират като изключително усъвършенствани системи за автокорекция, които отгатват следващата дума в изречението.

Моделът на базовия интелект работи по съвсем различен начин: той прогнозира изходния сигнал на неврона. Целта му е да научи системата да предсказва изходния сигнал на биологичните неврони въз основа на колективната динамика на невронната система.

Този подход се основава на нова архитектура, наречена „състояние на невронната мрежа“. За разлика от стандартните модели на изкуствен интелект, които обработват данните в твърди слоеве, тази мрежа имитира времевата динамика на биологичните неврони. Тя позволява на системата да съхранява и обработва информация във времето, подобно на начина, по който човешкият ум задържа мисълта, докато обработва нова информация.

Мрежата използва графоподобна структура, в която връзките могат да се разклоняват и затварят. Тя имитира сложната структура на мозъка, където сигналите не просто се движат напред, а циркулират, създавайки обратни връзки. Тези цикли позволяват на информацията да се запази и да взаимодейства във времето, което създава форма на краткосрочна памет и контекст, критични за сложните разсъждения.

Авторите използват известния пример с кучето на Павлов като илюстрация. В този биологичен сценарий кучето се научава да свързва звука на звънеца с появата на храна. В крайна сметка кучето отделя слюнка само при звука на звънеца.

Един стандартен езиков модел просто би прочел текстовото описание на това събитие. Моделът на базовата интелигентност се опитва да възпроизведе невронната активност, която се появява в мозъка на кучето по време на този процес на учене. Той разглежда опита на кучето като последователност от невронни входове и изходи. Като обучава изкуствения интелект на тези последователности, моделът не просто запомня историята на кучето, а научава основния механизъм на асоцииране и адаптиране.

В зависимост от активността системата регулира силата на вътрешните връзки. Това явление е известно като невронна пластичност и позволява на изкуствения интелект да се пренастройва въз основа на опита, подобно на биологичния мозък.

По този начин моделът трансформира абстрактната и неуловима цел за „обучаването на интелекта“ в конкретна задача за обучение по последователности.

Чрез захранване на модела с големи количества данни – входяща сензорна информация и изходяща моторна информация – системата може да научи универсалните принципи, лежащи в основата на когнитивните способности. Тези данни могат да се събират непряко чрез сензори за носене или цифрови аватари, които записват начина, по който хората възприемат и действат в света.

Изследването проправя пътя към системи с изкуствен интелект, които могат наистина да мислят и да се адаптират към всяка нова среда без човешка намеса.