ในฐานะนักวิจัยที่ Google DeepMind และมหาวิทยาลัยโคลัมเบีย Stachenfeld นำเสนอข้อมูลเชิงลึกแบบสหสาขาวิชาเกี่ยวกับการทำความเข้าใจสมอง
As a researcher at both Google DeepMind and Columbia University, Stachenfeld offers cross-disciplinary insight into how to understand the brain.
Kim Stachenfeld พูดถึงความสอดคล้องระหว่างประสาทวิทยากับปัญญาประดิษฐ์
Kim Stachenfeld ได้บรรยายถึงการสำรวจจุดตัดระหว่างประสาทวิทยาและปัญญาประดิษฐ์ ซึ่งปัจจุบันเรียกกันทั่วไปว่า ปัญญาประดิษฐ์ประสาทวิทยา Stachenfeld ดำเนินไปทั้งสองแนวทาง เธอเป็นนักวิจัยอาวุโสที่ Google DeepMind บริษัทปัญญาประดิษฐ์ที่ก่อตั้งขึ้นจากหลักการของประสาทวิทยา และเธอยังทำการวิจัยที่ศูนย์ประสาทวิทยาเชิงทฤษฎีของมหาวิทยาลัยโคลัมเบีย เธอใช้ความเชี่ยวชาญของเธอในการสร้างแบบจำลอง การเรียนรู้เชิงเสริมแรง และแผนที่ความรู้ความเข้าใจ เป็นต้น เพื่อทำความเข้าใจสมองให้ดีขึ้นและเพื่อช่วยปรับปรุงปัญญาประดิษฐ์ ฉันอยากให้เธอมาออกรายการมานานแล้ว เพื่อที่เธอจะได้มุมมองที่กว้างไกลเกี่ยวกับปัญญาประดิษฐ์และประสาทวิทยา
Kim Stachenfeld บรรยายใจความสำคัญว่า
“วิธีที่เราคิดเกี่ยวกับบทบาทของความจำแบบเหตุการณ์ ความจำอย่างรวดเร็วที่ส่งผลต่อการเรียนรู้ในสมองนั้นค่อนข้างคล้ายกับวิธีที่เราคิดเกี่ยวกับการเรียกคืนข้อมูลแบบขยาย เช่น RAG ในแบบจำลองภาษาเหล่านี้ หากคุณให้พวกเขาเข้าถึงบัฟเฟอร์หน่วยความจำซึ่งคุณสามารถใส่ประสบการณ์ใหม่ทั้งหมดลงไปได้ จากนั้นพวกเขาจะสามารถวาดและเพิ่มเข้าไปในบริบทของตนเองได้ นั่นก็เหมือนกับ… ค่อนข้างมาก ในหลายๆ ด้าน คล้ายกับวิธีที่เราคิดเกี่ยวกับการเรียนรู้ในสมอง และฉันคิดว่าทั้งประสาทวิทยาและปัญญาประดิษฐ์สามารถหาความคล้ายคลึงที่น่าสนใจและมีประโยชน์ได้”
“ในอดีต สาขาวิชาประสาทวิทยาและปัญญาประดิษฐ์มีความทับซ้อนกันมาก ฉันคิดว่าพวกเขาคิดถึงปัญหาว่าจะเรียนรู้จากรางวัลได้อย่างไร หรือจะเข้าใจสิ่งที่กำลังมองดูได้อย่างไร ปัญหาของการมองเห็นด้วยคอมพิวเตอร์ หรือจะนำหน่วยความจำไปใช้ได้ดีได้อย่างไร เหล่านี้เป็นเพียงปัญหาที่เกิดขึ้นในทั้งปัญญาประดิษฐ์และประสาทวิทยา และในอดีต มีการประชุมแลกเปลี่ยนกัน เช่น RLDM การเรียนรู้แบบเสริมแรงและการตัดสินใจ ซึ่งเป็นสหวิทยาการอย่างมาก และเกี่ยวข้องกับนักวิจัยจากสาขาประสาทวิทยาและวิทยาการคอมพิวเตอร์ ที่คิดเกี่ยวกับเรื่องเดียวกัน มีการถกเถียงกันเสมอว่า แนวคิดนี้มาจากประสาทวิทยาหรือว่าประสาทวิทยาได้แนวคิดมาจากปัญญาประดิษฐ์ ฉันไม่รู้ ฉันไม่ได้เกิดในยุคของประสาทวิทยาและปัญญาประดิษฐ์ทั้งหมด ดูเหมือนว่าวิธีคิดของฉันในตอนนี้คือ การใช้ทรัพยากรทางปัญญาอย่างมีประสิทธิภาพ เพื่อให้มีคนจำนวนหนึ่งที่คิดเกี่ยวกับปัญหาเดียวกันทั้งในบริบทของประสาทวิทยาและปัญญาประดิษฐ์ นั่นทำให้ปัญหาเหล่านี้มีความทับซ้อนกันมาก ความคิดที่ผู้คนคิดเกี่ยวกับประสาทวิทยาจึงมีความเกี่ยวข้องกับวิธีการทำงานใน AI ความคิดที่ผู้คนคิดเกี่ยวกับ AI ถือเป็นสมมติฐานที่ดีสำหรับวิธีการทำงานของสมอง เป็นไปได้มากที่ความคิดแบบสุ่มที่เรามีสำหรับอัลกอริทึมอาจเป็นสมมติฐานที่แย่มากสำหรับวิธีการทำงานของการเรียนรู้ในสมอง ระบบที่ทำงานร่วมกับ GPU จะต้องปฏิบัติตามข้อจำกัดที่แตกต่างกันมากเมื่อเทียบกับระบบที่ต้องสร้างตัวเองจากเซลล์เดียวและต้องเรียนรู้และอยู่ภายใต้ข้อจำกัดทางชีววิทยาและทำจากอาหาร ข้อจำกัดของระบบเหล่านี้แตกต่างกันมาก แต่ระบบเหล่านี้มีปัญหาด้านการคำนวณบางอย่างที่เหมือนกัน และการคิดถึงสิ่งที่เหมือนกันระหว่างทั้งสองนั้น ฉันคิดว่าเป็นเพียงการใช้เวลาของนักวิจัยอย่างคุ้มค่า” Kim Stachenfeld กล่าว
ประเด็นสำคัญ
1.รวมฐานข้อมูลการเรียกค้นข้อมูลเข้าในเวิร์กโฟลว์ AI ของคุณเพื่อปรับปรุงความแม่นยำในการตอบสนองและใช้ประโยชน์จากคลังข้อมูลเชิงข้อเท็จจริงขนาดใหญ่จากแหล่งต้นฉบับ
2. เพื่อให้ได้รับประโยชน์สูงสุดจากโมเดล AI ของคุณ ให้ให้ความสำคัญกับความสามารถในการปรับแต่งและการปรับตัวเพื่อให้แน่ใจว่าสามารถปรับแต่งให้เหมาะกับงานหรือโดเมนเฉพาะได้
3. เพื่อให้แน่ใจว่าการตัดสินใจถูกต้อง ให้สร้างสมดุลระหว่างโมเดลการทำนายกับข้อมูลเชิงลึกและความเชี่ยวชาญของมนุษย์เพื่อให้ได้ภาพรวมที่สมบูรณ์ยิ่งขึ้นของระบบและปรากฏการณ์ที่ซับซ้อน