研究人員讓AI模擬“神經(jīng)退化”，觀察其能力下降順序，或?qū)⒂糜谔嵘?a href="http://picoinsstore.com/AI_1.html" target="_blank" class="keylink">AI安全及可解釋性。
近年來，研究人員開發(fā)出能模擬人類能力的人工智能 (AI) 系統(tǒng)，例如識(shí)別圖像中的物體、回答問題等等。然而，與會(huì)隨著時(shí)間退化的人腦不同，這些系統(tǒng)通常會(huì)保持相同的性能，甚至隨著時(shí)間的推移提高技能。
加州大學(xué)歐文分校的研究人員最近嘗試在人工智能體中模擬衰老和生物神經(jīng)退化(即神經(jīng)元逐漸減少以及相關(guān)的心理能力下降)。他們預(yù)印在 arXiv 上的論文提出了一種利用“人為神經(jīng)退化”來執(zhí)行特定任務(wù)的創(chuàng)新型 AI 系統(tǒng)的開發(fā)思路。
“這項(xiàng)研究的最初靈感來自于與 Baldi 博士和 Pishgar 博士共進(jìn)晚餐時(shí)的一次討論，” 論文的共同作者俞岱(Yu-Dai Tsai)告訴 Tech Xplore，“當(dāng)時(shí)我們討論了廣泛但不相關(guān)的各種主題，包括神經(jīng)退化、學(xué)習(xí)和人工智能安全?！?/p>
“此外，我父親最近經(jīng)歷了一次嚴(yán)重的腦損傷，并出現(xiàn)了認(rèn)知能力下降的情況，這促使我從新的角度思考這個(gè)問題，以及它在計(jì)算機(jī)科學(xué)和深度學(xué)習(xí)領(lǐng)域的直接應(yīng)用?！?/p>
Tsai及其同事最近的這項(xiàng)研究并非旨在人工復(fù)制人類腦部疾病。相反，該團(tuán)隊(duì)希望在人工智能體中產(chǎn)生認(rèn)知衰退，以更好地理解復(fù)雜系統(tǒng)，從而可能增強(qiáng)其可解釋性和安全性。
“我們使用大型語言模型 (LLM) 執(zhí)行的智商測(cè)試，更具體地說是 LLaMA 2，引入了 ‘神經(jīng)元侵蝕’的概念，” Tsai 解釋道。 “這種蓄意的侵蝕涉及在訓(xùn)練期間或之后切除突觸或神經(jīng)元，或添加高斯噪聲，從而導(dǎo)致 LLM 的性能出現(xiàn)可控的下降。”
研究人員發(fā)現(xiàn)，當(dāng)他們故意切除 LLaMA 2 模型的一部分人工突觸或神經(jīng)元時(shí)，其在智商測(cè)試中的表現(xiàn)會(huì)按照特定模式下降。他們的觀察可能會(huì)揭示復(fù)雜人工智能系統(tǒng)的工作原理，以及其底層結(jié)構(gòu)受損時(shí)首先和最后下降的能力。
“除了建立一般框架之外，這項(xiàng)研究也許最有趣的結(jié)果是，大型語言模型會(huì)首先喪失抽象思維能力，然后是數(shù)學(xué)能力下降，最終喪失語言能力，無法連貫地回應(yīng)提示，” Tsai 說， “我們正在進(jìn)行進(jìn)一步的測(cè)試以更好地理解這種觀察到的模式?！?/p>
研究人員發(fā)現(xiàn)，當(dāng)人工智能系統(tǒng)中的人工突觸和神經(jīng)元被移除時(shí)，這些系統(tǒng)首先會(huì)喪失抽象思維能力，然后喪失數(shù)學(xué)能力，最后喪失語言技能(即無法連貫地回應(yīng)提示)。有趣的是，這種“神經(jīng)侵蝕”模式與人類神經(jīng)退化模式一致。
未來，Tsai及其同事的這項(xiàng)最新工作可能會(huì)啟發(fā)其他研究團(tuán)隊(duì)探索人工智能體中專門的神經(jīng)退化，超越以往側(cè)重于復(fù)制人類神經(jīng)退化的研究。這些研究將共同為開發(fā)利用觀察到的 AI 神經(jīng)侵蝕模式來解決現(xiàn)實(shí)世界問題的新技術(shù)鋪平道路。
“這只是一系列研究中的第一個(gè)，” Tsai 補(bǔ)充說， “我們計(jì)劃將我們的研究擴(kuò)展到人工智能系統(tǒng)的特定測(cè)試，并將模擬擴(kuò)展到其他神經(jīng)疾病和神經(jīng)多樣性。此外，我們將應(yīng)用我們的方法來提高人工智能的安全性 可解釋性。我們也渴望與神經(jīng)科學(xué)家進(jìn)行更多的合作和討論; 但是，我們的主要重點(diǎn)仍然是在探索人工智能研究的新領(lǐng)域，而不是復(fù)制人類腦部疾病?！?/p>
本文譯自 techxplore，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
