A Navya francia fejlesztőcég egyik önvezető járművének bemutatója előtt néhány órával a gép türelmesen várta, hogy egy teherautó tolasson, tolasson, aztán addig várt, amíg beletolatott. A valódi probléma, hogy a jármű nem úgy tanul a balesetből, ahogy az ember: azonnal és nem megfeledkezve a folyamat összes többi eleméről.

Ezen szeretne változtatni a DARPA L2M, azaz Lifelong Learning Machines (Élethosszig tanuló gépek) programja. Az ügynökség folyamatosan tanuló, új feladatokhoz alkalmazkodó rendszerekben gondolkozik, amelyek tudják, hogy mit és mikor kell elsajátítani.

„Együtt akarjuk az automatizáció szigorát és az ember rugalmasságát” – nyilatkozta a 65 millió dolláros programot vezető Hava T. Siegelmann.

16 csapatot már ki is választottak négyéves projektekre, de az egy és másfél évesekre még van hely, várják a jelentkezőket.

Az összeütközés rávilágít a mai mesterséges intelligencia egyik főbajára. Az ideghálók a mesterséges idegsejtek közötti kapcsolatok erősségének váltogatásával tanulnak. Alkalmazkodó rendszerek, adatsorokon, például járművek és személyek fényképein tanulnak. A hálózati kapcsolatok erejét ezt követően állítják be, majd az idegháló működésbe lép, teszi a dolgát. A gond akkor jön, ha olyasmivel találkozik, amire soha nem tanították. Ha nem tanulja meg, azaz nem tanul újra, mindig el fogja követni ugyanazt a hibát.

A jelen MI-jeit viszont igazából nem lehet újratanítani, mert az új „lecke” összezavarja az addigi ismereteket, hogy mit és hogyan tegyen. Ezt a jelenséget nevezik „katasztrofális felejtésnek.”

Ha valami újjal szembesülünk, nálunk is előfordulhat hasonló, de aztán hamar megtanuljuk mi a teendő. Ha például fél méterrel rövidebbek lennének a focikapuk, a játékosok eleinte kevesebb gólt lőnének, de aztán rájönnének, mit tegyenek. Nem kellene lehívni őket a pályáról és részletesen elmagyarázni az egész játékot. A következő változtatásnál szintén ez történne, és akkor sem kellene újratanítani nekik a labdarúgást.

Ez óriási különbség a Homo sapiens és a mesterséges intelligencia között.

A 16 csoport kutatása két részre oszlik. Az egyikbe tartozók négy évig fejlesztenek állandóan tanuló, új feladatokhoz és körülményekhez alkalmazkodó, az inputokat céljaik szerint értelmező (célvezérelt érzékelés) rendszereket. A többiek az élethosszig tartó tanulás új mechanizmusait azonosítják biológia vagy más természettudomány segítségével. A mechanizmusokat algoritmusba dolgozzák, az algoritmus pedig növeli az MI képességeit.