Ludzie mogą wykonywać wiele zadań jednocześnie (np. Czytać podczas słuchania muzyki), ale zapamiętujemy informacje z mniej skoncentrowanych źródeł z gorszą wydajnością niż z naszego głównego celu lub zadania.
Czy takie rzeczy istnieją w przypadku sztucznej inteligencji? Wątpię na przykład, czy sieci neuronowe mają takie cechy, ale mogę się mylić.
Odpowiedzi:
Architektura CopyCat Douglasa Hofstadtera do rozwiązywania problemów z analogią ciągów literowych została celowo zaprojektowana w celu zachowania semantycznie świadomego pojęcia „istotności”, tj. Biorąc pod uwagę różnorodne konkurencyjne możliwości, zwykle interesuje się tym, który jest najbardziej przekonujący. Chociaż wartość istotności (części) rozwiązania jest ostatecznie reprezentowana numerycznie, to środki, za pomocą których określono, mają zasadniczo odpowiadać (przynajmniej funkcjonalnie) sposobowi, w jaki „selektywna uwaga” może działać w ludzkim poznaniu.
Koncentracja, być może łatwiejsza do uchwycenia jako „skupienie” lub „uwaga”, ma dość długą historię w AI. Ta odpowiedź wspomina o CopyCat, a także w latach 80. pracowano z sieciami neuronowymi (np. Z Fukushima , twórcy Neocognitron).
Ostatnio zainteresowanie sieciami neuronowymi nabiera tempa . Mechanizmy są stosowane do uczenia się w głębokich sieciach neuronowych.