Даже самые продвинутые нейросети пока не умнее годовалого ребёнка — и это не преувеличение

Несмотря на впечатляющие успехи искусственного интеллекта, современные нейросети по-прежнему существенно уступают маленьким детям в одном из самых фундаментальных аспектов интеллекта — способности быстро понимать устройство окружающего мира и учиться на минимальном количестве опыта. Именно к такому выводу всё чаще приходят специалисты по когнитивным наукам, нейробиологии и машинному обучению.

Парадокс заключается в том, что языковые модели способны писать программный код, сдавать сложные экзамены, вести осмысленные диалоги и анализировать огромные объёмы информации. Однако если поместить ИИ в новую, незнакомую среду, требующую понимания физических законов, причинно-следственных связей и взаимодействия с объектами, его возможности резко снижаются. Там, где годовалый ребёнок начинает самостоятельно разбираться буквально за несколько дней или недель, искусственному интеллекту требуются миллионы тренировочных примеров и колоссальные вычислительные мощности.

Почему ребёнок учится эффективнее ИИ

Главное отличие заключается в способе обучения.

Младенец получает информацию сразу через множество каналов: зрение, слух, осязание, движение, равновесие, социальное взаимодействие и эмоциональную обратную связь. Каждое действие становится экспериментом. Если ребёнок бросает игрушку, он наблюдает, как она падает. Если толкает предмет, понимает, что тот движется. Если улыбается взрослому, получает ответную реакцию. Таким образом мозг непрерывно строит внутреннюю модель окружающего мира.

Причём для формирования подобных представлений ребёнку требуется совсем немного данных.

Современные нейросети работают совершенно иначе. Они обучаются преимущественно на огромных массивах уже готовой информации — текстах, изображениях, видео или аудиозаписях. Чтобы освоить закономерность, модели зачастую необходимы миллионы примеров, тогда как ребёнку иногда достаточно нескольких наблюдений.

Именно поэтому специалисты говорят, что современные ИИ великолепно распознают статистические закономерности, но значительно хуже понимают саму природу происходящего.

Огромная разница в эффективности

Разрыв становится особенно заметен, если сравнить объёмы используемых данных.

За первый год жизни ребёнок видит лишь небольшую часть окружающего мира, однако этого хватает для формирования сложных представлений о предметах, людях, пространстве и причинно-следственных связях.

Крупные языковые модели, напротив, обучаются на практически всём доступном интернете, библиотеках, научных публикациях и других цифровых источниках. Для их создания используются тысячи мощных графических процессоров, потребляющих огромное количество электроэнергии.

Несмотря на это, ИИ до сих пор допускает ошибки, которые ребёнок обычно не совершает после первых месяцев знакомства с окружающей средой.

В чём заключается главная проблема современных моделей

Одной из ключевых причин считается отсутствие настоящего взаимодействия с физическим миром.

Большинство существующих моделей фактически «сидят внутри компьютера». Они анализируют данные, но сами не могут исследовать окружающую среду, экспериментировать, ошибаться и получать новый опыт так, как это делает человек.

Между тем именно активное взаимодействие с миром считается основой человеческого интеллекта.

Поэтому всё больше исследовательских групп работают над направлением, которое объединяет робототехнику, нейробиологию и искусственный интеллект. Их цель — создать системы, которые смогут обучаться не только на готовых данных, но и через собственный опыт.

Что предлагают учёные

Сегодня исследователи всё чаще обращаются к принципам работы человеческого мозга.

Среди наиболее перспективных направлений:

обучение через взаимодействие с окружающей средой, а не только на заранее подготовленных данных;

развитие моделей, способных самостоятельно исследовать новые ситуации;

объединение зрения, слуха, тактильных ощущений и движения в единую систему восприятия;

создание механизмов долговременной памяти и накопления опыта;

развитие так называемого "мирового представления" (world model) — внутренней модели того, как устроена реальность.

Именно такие подходы могут сделать будущие системы ИИ значительно более гибкими и экономичными в обучении.

Следующий этап развития искусственного интеллекта

Эксперты всё чаще сходятся во мнении, что дальнейший прогресс в области ИИ будет зависеть уже не столько от увеличения объёмов данных или мощности видеокарт, сколько от более глубокого понимания того, как обучается человеческий мозг.

Если инженерам удастся воспроизвести хотя бы часть механизмов, благодаря которым младенцы невероятно быстро осваивают окружающий мир, это может стать следующим крупным прорывом в развитии искусственного интеллекта.

Именно поэтому сегодня нейробиология и когнитивная психология становятся не менее важными для будущего ИИ, чем программирование и вычислительная техника. Возможно, путь к созданию действительно универсального искусственного интеллекта лежит не через всё более мощные компьютеры, а через понимание того, как несколько миллиардов нейронов в мозге ребёнка превращают ограниченный жизненный опыт в полноценное знание о мире.