Syarikat Amerika IBM sedang mengembangkan sistem kecerdasan buatan berdasarkan model otak manusia. Pada masa ini, jaringan saraf baru telah diajar untuk berfikir secara logik, memahami hubungan yang kompleks antara objek, dan di masa depan mereka berencana untuk meningkatkan kemampuannya untuk memperhatikan dan menghasilkan dan menyimpan kenangan.
Hari ini, teknologi kecerdasan buatan mampu menunjukkan sifat manusia secara dangkal. Sebagai contoh, ada yang dapat melakukan aktiviti yang biasanya hanya berkaitan dengan seseorang - menulis lagu, mengajar, atau, misalnya, membuat karya seni visual.
Namun, seiring kemajuan teknologi, syarikat dan pemaju memikirkan kembali asas kecerdasan buatan, lebih memahami fikiran kita sendiri dan bagaimana kita dapat memodelkannya dengan cekap (menggunakan mesin dan perisian). IBM adalah salah satu syarikat seperti itu, kerana telah memulai tujuan ambisius untuk mengajar AI untuk bekerja seperti otak manusia, menurut Futurism.
Sebilangan besar sistem pembelajaran mesin yang ada bergantung pada blok data (apa sahaja kerja yang mereka lakukan). Walau bagaimanapun, sokongan ini mempunyai batasan - tidak seperti otak manusia.
Kami belajar secara progresif dan, di samping itu, kami menggunakan logik untuk menyelesaikan masalah - AI moden dibina berdasarkan prinsip yang berbeza. Namun, DeepMind dilaporkan telah mengembangkan rangkaian neural yang menggunakan penaakulan rasional untuk menyelesaikan tugas.
Timothy Lilicrap, seorang saintis komputer di DeepMind, menyatakan bahawa para saintis memberikan AI tugas khusus dan banyak objek untuk beroperasi, sehingga merangsang jaringan saraf untuk mencari hubungan yang ada. Jadi, sebagai contoh, sistem ditanya: "Apakah objek yang bertentangan dengan objek biru memiliki bentuk yang sama dengan objek biru muda yang kecil di sebelah kanan bola logam kelabu?" Dalam ujian sedemikian, rangkaian saraf menentukan subjek yang diperlukan dalam 96% kes (model pembelajaran mesin tradisional biasanya berjaya dalam 42-77% kes).
Para saintis dari IBM akan memperbaiki rangkaian saraf baru, kata penyelidik Irina Rish (Irina Rish). Tingkatkan kemampuan algoritma untuk memberi perhatian, serta menghasilkan dan mengekalkan kenangan; pembangun ingin membuat seni bina yang membolehkan rangkaian saraf berkembang sendiri (seperti orang, melalui percubaan dan kesilapan).
