Tu leggi. Egli parla. Raccoglie montagne di dati e consiglia decisioni aziendali. L’intelligenza artificiale di oggi può sembrare più umana che mai. Tuttavia, l’intelligenza artificiale soffre ancora di molte gravi carenze.

“Per quanto impressionanti siano ChatGPT e tutte le attuali tecnologie di intelligenza artificiale, in termini di interazione con il mondo fisico, sono ancora molto limitate e anche nelle cose che fanno, come risolvere problemi di matematica e scrivere articoli, richiedono miliardi e miliardi di formazione .” Possono farlo bene”, spiega il Cold Spring Harbor Laboratory (CSHL). Ricercatore nel campo dell’intelligenza artificiale neurale Kyle Daruwalla.

Daruwala era alla ricerca di modi nuovi e non convenzionali per progettare l’intelligenza artificiale in grado di superare tali ostacoli computazionali. Forse ne ha appena trovato uno.

La chiave era il trasferimento dei dati. Al giorno d’oggi, la maggior parte del consumo energetico nell’informatica moderna deriva dai dati di feedback. Nelle reti neurali artificiali, costituite da miliardi di connessioni, i dati possono avere una strada molto lunga da percorrere. Quindi, per trovare una soluzione, Daruwala ha cercato ispirazione in una delle macchine più potenti dal punto di vista computazionale ed efficiente dal punto di vista energetico esistenti: il cervello umano.

Daruwalla ha progettato un nuovo modo in cui gli algoritmi di intelligenza artificiale possono trasferire ed elaborare i dati in modo più efficiente, in base al modo in cui il nostro cervello riceve nuove informazioni. Il design consente ai singoli “neuroni” dell’intelligenza artificiale di ricevere feedback e adattarsi rapidamente anziché attendere che l’intero circuito si aggiorni contemporaneamente. In questo modo i dati non devono viaggiare lontano e vengono elaborati in tempo reale.

“Nel nostro cervello, le nostre connessioni cambiano e si adattano continuamente”, afferma Daruwala. “Non è che metti tutto in pausa, ti adegui e poi riprendi ad essere te stesso.”

Un nuovo modello di apprendimento automatico fornisce la prova di una teoria non ancora dimostrata che collega la memoria di lavoro all’apprendimento e al rendimento scolastico. La memoria di lavoro è il sistema cognitivo che ci consente di continuare a svolgere un compito ricordando le conoscenze e le esperienze memorizzate.

“Ci sono state teorie nelle neuroscienze su come i circuiti della memoria di lavoro possono aiutare a facilitare l’apprendimento. Ma non c’è niente di così concreto come la nostra regola che collega questi due insieme, e questa è stata una delle cose belle a cui abbiamo trovato la teoria.” una regola secondo cui la sintonizzazione di ciascuna sinapsi individualmente richiede la presenza di una memoria di lavoro accanto ad essa”, afferma Daruwala.

Il design di Daruwalla potrebbe contribuire a creare una nuova generazione di intelligenza artificiale che apprende come noi. Ciò non solo renderà l’intelligenza artificiale più efficiente e accessibile, ma sarà anche un momento un po’ completo neuroAI. Le neuroscienze forniscono preziosi dati sull’intelligenza artificiale da molto prima che ChatGPT pronunciasse la sua prima sillaba digitale. E sembra che l’intelligenza artificiale potrebbe presto ricambiare il favore.