Un nuovo studio dell’USC rileva che condividendo le conoscenze tra loro allo stesso tempo, Agenti dell’intelligenza artificiale può apprendere rapidamente una gamma più ampia di compiti, con applicazioni in medicina e oltre.
Intelligenza artificiale. Un nuovo studio condotto da ricercatori della USC scopre che i robot possono insegnare ad altri robot come apprendere condividendo la conoscenza. Credito immagine: geralt/Pixabay tramite needpix.com, licenza gratuita
Sei un mago del poker. Un amico sa tutto della cucina francese. Un altro amico è un esperto di Mozart.
Voi tre vi riunite e condividete le conoscenze sulle vostre rispettive competenze. Ognuno di voi se ne va imparando qualcosa dagli altri due.
Le persone imparano molto condividendo e scambiando informazioni. I computer possono fare lo stesso con altri computer? I robot, in effetti, possono insegnare ad altri robot come apprendere condividendo la conoscenza?
Un team di ricercatori guidati dall’informatica Professor Laurent Itti e uno dei suoi dottorati di ricerca. studenti, Yunhao Geaffrontano questa domanda in un articolo pubblicato sulla rivista Transazioni sulla ricerca sull’apprendimento automatico.
Arrivano con una risposta clamorosa:
SÌ.
La loro carta, Studente leggero per l’apprendimento permanente della conoscenza condivisadescrive un nuovo approccio all’area in crescita della ricerca sull’apprendimento automatico (ML) nota come Lifelong Learning (LL), in cui gli agenti di intelligenza artificiale apprendono continuamente quando incontrano nuovi compiti mantenendo la conoscenza dei compiti precedenti.
Itti e Ge descrivono nel documento uno strumento da loro creato, SKILL (for Shared Knowledge Lifelong Learning), in cui le IA apprendono 102 compiti distinti, ad esempio classificando decine di migliaia di immagini di automobili per modello (Ferrari, Jeep, Cadillac) o fiori per specie o radiografie del torace per malattie.
Le IA hanno poi condiviso le loro conoscenze su una rete di comunicazione decentralizzata e alla fine hanno padroneggiato la conoscenza di tutti i 102 compiti.
“È come se ogni robot insegnasse una lezione nella sua specialità e tutti gli altri robot fossero studenti attenti”, ha detto Ge. “Condividono la conoscenza attraverso una rete digitale che li collega tutti, un po’ come la loro Internet privata.”
Itti e Ge hanno definito il loro lavoro una nuova direzione nella ricerca LL.
La maggior parte della ricerca LL attuale, hanno spiegato, coinvolge un singolo agente AI che apprende i compiti in sequenza, un processo che è intrinsecamente lento.
Il loro strumento SKILL prevede una serie di algoritmi che rendono il processo molto più veloce, hanno detto, perché gli agenti imparano contemporaneamente in parallelo.
La loro ricerca ha mostrato che se 102 agenti imparano ciascuno un compito e poi lo condividono, la quantità di tempo necessaria si riduce di un fattore di 101,5 dopo aver tenuto conto delle comunicazioni necessarie e del consolidamento delle conoscenze tra gli agenti.
“Tradizionalmente”, ha spiegato Itti, “prima raccogli tutti i dati che vuoi che la tua intelligenza artificiale apprenda, poi addestri l’intelligenza artificiale ad apprenderli. Ma proprio come le persone, stiamo cercando di creare agenti IA che possano continuare ad apprendere dopo aver scoperto cose nuove”.
Intelligenza artificiale – concetto artistico. Credito immagine: Geralt tramite Pixabay (licenza gratuita)
Ingrandirsi
Itti ritiene che SKILL, il risultato della ricerca finanziata, in parte, dalla Defense Advanced Research Project Agency (DARPA), sia un promettente punto di partenza per i progressi nel campo della LL.
Nessuna ricerca precedente ha coinvolto così tanti compiti naturali, hanno detto Itti e Ge. E questo è solo l’inizio.
“Crediamo che questa ricerca, in futuro, possa essere estesa a migliaia o milioni di compiti”, ha affermato Itti.
Quando ciò accadrà – in pochi anni, stima Itti – LL potrebbe avere la capacità di trasformare vari aspetti della nostra vita e avvicinare gli esseri umani al raggiungimento di una “comunità globale veramente connessa, intelligente ed efficiente”.
Ad esempio, in campo medico, diversi sistemi di intelligenza artificiale potrebbero specializzarsi nell’apprendimento di diverse malattie, trattamenti, tecniche di cura dei pazienti e ricerche recenti, ha affermato Itti.
Dopo aver consolidato le loro conoscenze, hanno spiegato Itti e Ge, queste IA potrebbero fungere da assistenti medici completi, fornendo ai medici le informazioni più recenti e accurate in tutti i settori della medicina.
Oppure immagina che ogni utente di smartphone sia una guida turistica locale nella città che sta visitando. Ogni utente scatta foto e fornisce dettagli su punti di riferimento, negozi, prodotti e cucina locale significativi.
Una volta condivisi questi dati in rete, ogni utente avrebbe in tasca una guida turistica digitale avanzata.
“In sostanza”, ha affermato Ge, “qualsiasi professione che richieda conoscenze vaste e diversificate o che abbia a che fare con sistemi complessi potrebbe trarre vantaggi significativi da questa tecnologia SKILL”.
Oltre il riconoscimento
Lo strumento SKILL ha esaminato la capacità delle IA di riconoscere semplicemente ciò che è contenuto in un’immagine, ha osservato Ge.
“Il riconoscimento è un buon punto di partenza”, ha affermato. “Ma la ricerca futura esaminerà l’impiego delle IA per eseguire compiti più sofisticati”.
Itti e Ge hanno affermato che il concetto di crowdsourcing – ad esempio, recensioni online di ristoranti – è paragonabile all’idea descritta nel loro articolo.
“Nel crowdsourcing”, ha detto Itti, “molte persone affrontano una parte di un problema e quando la conoscenza viene condivisa, si ottiene una soluzione. Ora possiamo fare la stessa cosa con gli agenti IA”.
“E se tu, come singola persona, dovessi reimparare tutta la conoscenza umana?” – aggiunse Itti. “Sarebbe un compito insormontabile. Gli esseri umani hanno i mezzi per condividere le informazioni. Ora stiamo spingendo questa idea nel dominio dell’intelligenza artificiale”.
Fonte: USC
Da un’altra testata giornalistica. news de www.technology.org
