Исследование, проведенное под руководством Майкла Тимоти Беннетта из Австралийского национального университета, показывает, что биологические системы более эффективны, чем современные модели искусственного интеллекта (ИИ). Исследование, опубликованное в Journal of The Royal Society Interface, ставит вопрос о том, обладают ли биологические системы внутренним интеллектом, превосходящим современный ИИ.
Исследование определяет интеллект как способность эффективно адаптироваться, используя минимальные ресурсы для выявления причин и следствий в сложных условиях. Биологические системы превосходят ИИ в адаптации, используя значительно меньше данных и энергии.
Беннетт подчеркивает, что органоид - небольшая коллекция выращенных в лаборатории клеток - превосходит системы обучения с подкреплением в классической видеоигре Pong. Несмотря на то, что органоид был создан в условиях, навязанных человеком, его адаптивность является примером биологической эффективности.
Напротив, современные алгоритмы машинного обучения требуют огромных объемов данных и энергии для решения задач, с которыми легко справляются люди и другие организмы с минимальным опытом. Это несоответствие заставляет задуматься об основополагающей архитектуре обеих систем.
Ключевой особенностью биологических систем является их многомасштабная конкурентная архитектура (МКА), где адаптация происходит на всех уровнях, от клеток до экосистем. Каждая клетка действует как автономный агент со своей собственной «политикой» взаимодействия, формируя органы, которые вносят свой вклад в функциональную идентичность организма.
Такая децентрализация позволяет биологическим системам адаптироваться более эффективно, чем обычным вычислительным системам, которые часто полагаются на централизованное принятие решений. Беннетт иллюстрирует это аналогией с дронами: если в иерархическом рое повреждается ведущий дрон, структура разрушается. Однако в децентрализованном рое каждый дрон может адаптироваться и поддерживать слаженность группы.
Исследование также указывает на ограничения существующих систем ИИ, которые зависят от статичных слоев абстракции, ограничивающих адаптивность. Как только архитектура разработана, она остается фиксированной, что мешает реагировать на новые обстоятельства.
Биологические системы могут регулировать свое «окно» взаимодействия с окружающей средой, переопределяя правила на более низких уровнях абстракции для лучшей адаптации на более высоких уровнях. Этот механизм динамической оптимизации способствует повышению их эффективности.
Хотя биологические системы не безупречны, как это наблюдается в раке, где клетки теряют связь с идентичностью организма и преследуют индивидуальные цели, в исследовании отмечается, что чрезмерные ограничения могут привести к фрагментации и системным сбоям, сходным с биологическим ракПринципы делегирования полномочий и адаптивности, отмеченные в этом исследовании, могут лечь в основу разработки киберфизических систем, например, специализированного оборудования для более эффективного обучения. Беннетт предупреждает, что жестко регулируемые системы ИИ могут столкнуться с подобными сбоями, если ограничения будут препятствовать адаптации.
Исследование ссылается на британскую программу «Безопасный ИИ», которая направлена на разработку безопасных и адаптивных систем ИИ общего назначения. Беннетт предупреждает, что введение слишком большого количества ограничений может привести к тем самым сбоям, которые пытаются предотвратить нормативные акты.
В заключение следует отметить, что интеллект биологических систем неразрывно связан с их способностью к делегированию и адаптации на различных уровнях абстракции. Эта организационная модель предлагает ценные идеи для создания более надежных и эффективных искусственных систем, закладывая основу для будущих исследований, которые могут изменить наше понимание и развитие интеллектуальных систем.