Voor hun experimenten met kunstmatige intelligentie lieten Dr. Steffen Werner en Dr. Michael Coughlan zich inspireren door de manier waarop dieren denken. Hun inzichten kunnen helpen om neurale netwerken te ontwikkelen die stabieler, efficiënter en veelzijdiger zijn.
“Hoewel kunstmatige intelligentie indrukwekkende prestaties levert, ontwikkelen de grote modellen van Silicon Valley—getraind op enorme hoeveelheden data—zich niet meer met hetzelfde tempo als voorheen,” vertelt Dr. Steffen Werner van de Experimental Zoology Group van Wageningen University & Research. “Bovendien zijn deze grote modellen behoorlijk ondoorzichtig. Het is moeilijk te begrijpen hoe ze functioneren en dus hoe ze verbeterd kunnen worden.” Werner en zijn collega Dr. Michael Coughlan gingen terug naar de basis en experimenteerden met de kleinst mogelijke deep learning-algoritmen. “Als natuurkundigen zijn we op zoek naar het minimale systeem; we begrijpen door vereenvoudiging,” legt Coughlan uit.
“Dierlijke hersenen hebben aspecten waar veel kunstmatige modellen jaloers op mogen zijn. Ze kunnen functioneren terwijl ze nog groeien, ze hebben minder uitgebreide netwerken nodig en ze kunnen meer dan één taak tegelijk leren,” zegt Werner. “We hebben deze eigenschappen gereproduceerd in kleine neurale netwerken. Om te zien of het mogelijk was, maar ook om ze te bestuderen.” De inzichten die deze modellen opleverden, wijzen in nieuwe richtingen voor de ontwikkeling van kunstmatige intelligentie.
Lees het hele bericht op de site van de WUR.
