Докато по-голямата част от съвременните AI системи разчитат на изчислително интензивни мрежи от неврони, ново поколение алгоритми може би предлага по-ефективна и „по-човешка“ алтернатива.

Axiom, която е разработена от софтуерната компания Verse AI, системата черпи вдъхновение от начина, по който човешкият мозък възприема и предвижда реалността.

Вместо да се учи чрез безкрайни опити и грешки – както е при дълбокото обучение – Axiom използва активна инференция: метод, при който предварителни познания за физическите взаимодействия между обектите се комбинират с непрекъснато обновяван модел за това как светът (в случая – играта) реагира на дадени действия.

Системата е в състояние да овладее опростени версии на популярни видеоигри – като drive, bounce, hunt и jump – чрез минимални ресурси и далеч по-малко примери в сравнение със съвременните модели за изкуствен интелект. Когато огромни езикови модели като GPT доминират заглавията, изглежда, че Axiom предлага алтернативен път към изкуствения разум.

Корените на тази архитектура водят към т.нар. принцип на свободната енергия – теория, развита от световноизвестния невроучен Карл Фристън.

Принципът съчетава математика, физика, биология и информационна теория в опит да обясни какво всъщност представлява интелигентността. Днес Фристън е главен учен в „когнитивната компютърна“ компания Verses, а идеите му започват да се материализират и в системи като Axiom.

„Тези агенти трябва да поддържат вида мисловна дейност, който виждаме в реалните мозъци“, казва Фристън в интервю за WIRED.

„Това изисква не просто способност да знаеш факти, а способност да учиш как да действаш в света.“

Нов сложен тест показва, че дори най-усъвършенстваните платформи са далеч от начинът, по който се представят хората

Колко близо са най-добрите сегашни AI модели до AGI?

За разлика от традиционното дълбоко подсилващо обучение – при което AI експериментира и коригира своите параметри спрямо обратната връзка, която получава – подходът на Axiom залага на предварителна структура и логическа прогноза, която се пренастройва с всяка нова информация.

Това е сериозен пробив в опитите да се доближим до AGI, според експерта Франсоа Шоле – автор на ARC 3, бенчмарк за оценка на способността на моделите да решават непознати проблеми.

„Работата ми изглежда доста оригинална, което е страхотно“, коментира Шоле. „Нуждаем се от повече хора, които излизат извън утъпканата пътека на големите езикови модели.“

Въпреки че изкуствените невронни мрежи често се сравняват с човешкия интелект, те в същността си функционират по коренно различен начин. През последното десетилетие deep learning направи възможно компютрите да разпознават лица, диктуват текст, създават изображения и дори водят разговори. Но цената – в данни, време и изчислителна мощ – все още е доста висока.

Няколко модела са засечени да правят отчаяни опити да съхранят себе си след като им е подадена команда да се изключат

Когато АI отказва да умре: Губи ли човечеството контрол върху изкуствения интелект

Axiom обаче обещава нещо различно. „Това е нова архитектура за AI агенти, които могат да учат в реално време и са по-точни, по-ефективни и значително по-малки“, казва Гейб Рене, главен изпълнителен директор на Verses.

„Те са буквално проектирани като дигитален мозък.“

Интересно е, че макар Axiom да предлага алтернатива на невронните мрежи, самият принцип на свободната енергия е частично вдъхновен от работата на Джефри Хинтън – бащата на deep learning, носител на Нобелова награда и Turing Award. Хинтън и Фристън са били колеги в University College London.

Теориите на Фристън продължават да влияят не само върху AI, но и върху новите концепции за съзнанието. А дали Axiom ще се превърне в следващата стъпка към по-интелигентни, адаптивни и когнитивно вдъхновени машини?

Вероятно предстои да разберем. Но едно е ясно – машините започват да мислят не като компютри, а като хора.