Od DNA do AI: Jak ewolucja kształtuje inteligentniejsze algorytmy

Nowy algorytm AI, inspirowany zdolnością genomów do kompresji ogromnych ilości informacji, przynosi wgląd w funkcjonowanie mózgu oraz potencjalne zastosowania technologiczne. Naukowcy odkryli, że algorytm ten wykonuje zadania, takie jak rozpoznawanie obrazów czy granie w gry wideo, niemal tak skutecznie jak w pełni przeszkolone sieci sztucznej inteligencji.

Dzięki naśladowaniu sposobu, w jaki genomy kodują złożone zachowania przy ograniczonych danych, model ten podkreśla ewolucyjną zaletę efektywnej kompresji informacji. Wyniki wskazują na nowe możliwości tworzenia zaawansowanych, lekkich systemów AI zdolnych do działania na mniejszych urządzeniach, takich jak smartfony.

Kluczowe informacje

• Algorytm AI kompresuje informacje podobnie jak genomy, oferując wysoką efektywność.
• Wykonuje zadania niemal tak dobrze jak najnowocześniejsze, w pełni przeszkolone sieci AI.
• Możliwe zastosowania obejmują uruchamianie dużych modeli AI na urządzeniach, takich jak smartfony.

Ewolucja i inteligencja: Jak to działa?

Każdy z nas rozpoczyna życie gotowy do działania. Zwierzęta od razu po urodzeniu potrafią wykonywać niezwykłe czynności: pająki tkać pajęczyny, a wieloryby pływać. Skąd biorą się te zdolności?

Kluczową rolę odgrywa mózg, który kontroluje złożone zachowania dzięki bilionom połączeń nerwowych. Jednak genom, który koduje te połączenia, ma bardzo ograniczoną pojemność. To naukowe wyzwanie fascynuje badaczy od dziesięcioleci.

Profesorowie Anthony Zador i Alexei Koulakov z Cold Spring Harbor Laboratory (CSHL) zaproponowali rozwiązanie tego paradoksu przy pomocy sztucznej inteligencji. Zador postawił odważną hipotezę: „A co, jeśli ograniczona pojemność genomu to nie wada, lecz kluczowy czynnik, który czyni nas inteligentnymi?”

Algorytm AI inspirowany genomem

Zador, Koulakov oraz doktoranci Divyansha Lachi i Sergey Shuvaev stworzyli algorytm komputerowy, który kompresuje ogromne ilości danych w spójną formę, podobnie jak genomy mogą kompresować informacje potrzebne do tworzenia funkcjonalnych obwodów mózgu.

Wyniki testów były zaskakujące. Algorytm, mimo braku treningu, radził sobie niemal tak dobrze, jak w pełni przeszkolone sieci AI w zadaniach takich jak rozpoznawanie obrazów czy gry wideo. W grach, takich jak Space Invaders, działał, jakby „rozumiał” zasady gry od razu.

Zastosowania i ograniczenia

Choć algorytm osiągnął imponujące wyniki, naukowcy podkreślają, że jeszcze daleko do pełnego odwzorowania ludzkich zdolności. Jak zauważa Koulakov, „architektura kory mózgowej może pomieścić około 280 terabajtów informacji, co odpowiada 32 latom wideo w wysokiej rozdzielczości. Genomy przechowują równowartość jednej godziny.”

Pomimo tego algorytm oferuje niespotykane dotąd poziomy kompresji w AI. Zdaniem Shuvaeva, może to umożliwić uruchamianie dużych modeli językowych na smartfonach poprzez stopniowe „odpakowywanie” modelu warstwa po warstwie na sprzęcie.

Nasza opinia

Badania nad algorytmami inspirowanymi ewolucją ukazują nowe możliwości w dziedzinie AI. Kompresja danych wzorowana na genomie to przełomowa koncepcja, która może zrewolucjonizować rozwój lekkich i efektywnych systemów AI. Ograniczenia technologiczne pokazują jednak, jak wiele pozostaje jeszcze do odkrycia.

Model ten może odegrać kluczową rolę w tworzeniu algorytmów AI dostosowanych do działania na mniejszych urządzeniach. W miarę jak AI staje się coraz bardziej zaawansowana, inspiracje z natury oferują fascynujące możliwości rozwoju.

Źródła: https://www.pnas.org/doi/10.1073/pnas.2409160121
https://www.cshl.edu/