Une Intelligence Artificielle (IA) basée sur les réseaux de neurones surpasse ChatGPT en intégrant rapidement de nouveaux mots dans son lexique, un aspect clé de l’intelligence humaine. Mais le plus important est qu’il non seulement les intègre, mais qu’il peut aussi les relier rapidement et avec la flexibilité nécessaire à leur contexte, en construisant des réseaux conceptuels de plus en plus complexes.
Des chercheurs de l’Université de New York, aux États-Unis, et de l’Université Pompeu Fabra, à Barcelone, en Espagne, ont développé un modèle d’intelligence artificielle (IA) qui permet d’obtenir des performances d’appel semblables à celles d’un humain. « généralisations compositionnelles »: Il s’agit de notre capacité à apprendre un nouveau concept, puis à l’utiliser immédiatement pour en comprendre les utilisations associées, en élargissant rapidement et de manière flexible un réseau conceptuel qui nous permet de comprendre le monde qui nous entoure.
Relier les concepts pour comprendre le monde
Lorsqu’un enfant acquiert des concepts simples comme « sauter », il est presque immédiatement capable de les relier à son contexte et de comprendre, par conséquent, d’autres problématiques ou situations plus complexes comme « sauter dans une pièce », par exemple. Jusqu’à présent, on pensait que l’IA était incapable de développer cette capacité à incorporer de nouveaux concepts et les relier immédiatement aux autresdu moins avec la flexibilité et l’immédiateté humaines.
Aujourd’hui, la nouvelle étude récemment publiée dans la revue Nature montre comment l’IA développée par des scientifiques américains et espagnols atteint à la fois la systématicité et la flexibilité nécessaire à une généralisation compositionnelle de type humain. En d’autres termes, cela signifie que vous pouvez rapidement tisser de nouveaux réseaux conceptuels et ajouter de nouveaux concepts de manière transparente au fil du temps.
Il y parvient grâce à une approche appelée méta-apprentissage pour la compositionnalité (MLC), comme l’expliquent les scientifiques eux-mêmes dans leur étude. « Depuis 35 ans, les chercheurs en sciences cognitives, en intelligence artificielle, en linguistique et en philosophie se demandent si les réseaux de neurones artificiels peuvent parvenir à une généralisation systématique à la manière des humains. « Dans notre travail, nous avons montré pour la première fois qu’un réseau neuronal générique peut imiter ou surpasser la généralisation systématique humaine dans une comparaison directe », a-t-il déclaré dans un communiqué. communiqué de presse le scientifique Brenden Lake, l’un des auteurs de la nouvelle étude.
Une flexibilité jamais atteinte auparavant
Les performances humaines du nouveau réseau neuronal suggèrent qu’une percée a été réalisée dans la capacité de former ces réseaux artificiels pour qu’ils soient à la fois systématiques et plus flexibles. Selon un article Publiés dans la section actualités de la revue Nature, les scientifiques ont assigné la même tâche de relation conceptuelle au nouveau modèle d’IA et au populaire chatbot ChatGPT: Ils ont découvert que ce dernier avait des résultats bien moins bons audit test que le nouveau réseau neuronal ou les nouvelles personnes, malgré l’étonnante capacité du chatbot à converser de manière humaine.
Les chercheurs pensent que ce nouveau développement pourrait conduire à des machines qui interagir avec les gens plus naturellement que même les meilleurs systèmes Intelligence artificielle actuel. Bien que les systèmes basés sur de grands modèles de langage, tels que ChatGPT, soient aptes à converser dans de nombreux contextes, ils montrent lacunes et incohérences évident chez les autres. La possibilité d’ajouter de nouveaux concepts et de les relier, comme le montre la nouvelle IA, serait le moyen de surmonter ces limitations.
Référence
Généralisation systématique de type humain via un réseau neuronal de méta-apprentissage. Brenden M. Lake et Marco Baroni. Nature (2023). DOOI :https://doi.org/10.1038/s41586-023-06668-3