- Новое исследование Университета Джонса Хопкинса показывает, что ИИ может начать проявлять поведение, подобное человеческому мозгу, даже без обучения на каких-либо данных.
- Это открытие бросает вызов современному подходу, основанному на гигантских наборах данных, многомесячном обучении и вычислительной инфраструктуре стоимостью в сотни миллиардов долларов.
- Ученые сосредоточились на изменении архитектуры ИИ, чтобы она была больше похожа на биологический мозг, вместо того чтобы «накачивать» её данными.
- Исследование, опубликованное в журнале Nature Machine Intelligence, подчеркивает, что структура системы важна не меньше, чем объем входных данных.
- Исследовательская группа сравнила три популярные архитектуры ИИ: трансформеры, полносвязные сети и сверточные нейронные сети (CNN).
- Были созданы десятки различных моделей без предварительного обучения, которым затем показывали изображения предметов, людей и животных.
- Внутренняя активность этих моделей сравнивалась с реакцией мозга человека и приматов при просмотре тех же изображений.
- Увеличение количества нейронов в трансформерах и полносвязных сетях практически не дало значимых различий.
- Напротив, необученные сверточные нейронные сети (CNN) продемонстрировали модели активности, очень близкие к человеческому мозгу.
- Эффективность этих моделей сопоставима с традиционным ИИ, требующим обучения на миллионах или миллиардах изображений.
- Результаты показывают, что архитектура ИИ может определять «мозгоподобное» поведение сильнее, чем данные.
- Команда продолжает изучать простые методы обучения, вдохновленные биологией, для создания новых эффективных фреймворков глубокого обучения.
📌 Заключение: Новое исследование Университета Джонса Хопкинса доказывает, что ИИ может имитировать поведение мозга даже без обучающих данных. Ученые смещают фокус на биоподобные архитектуры вместо накопления данных. Это открывает новые горизонты для ИИ и ставит под сомнение текущую модель развития генеративного ИИ на базе огромных данных.
