Ha egy mesterségesintelligencia-algoritmus új képességre tesz szert, például megtanul sakkozni, előbb-utóbb annyira jó lesz az adott területen, hogy elismert humán versenyzőket, világbajnokokat is képes legyőzni.
De csak és kizárólag abban az esetben, ha mindenki betartja a szabályokat. Ha megváltoztatjuk a paramétereket, az MI tehetetlenné válik, képtelen alkalmazkodni az új követelményekhez. Ha három fát arrébb teszünk, már nem tudja, mit kezdjen velük.
Egy IBM-kutatás a változás lehetőségét vetíti előre, ugyanis menetközben tanuló algoritmust fejlesztettek. Úgy működik, mintha virtuális memóriával rendelkezne, és azt használva alkalmazkodik a változó környezethez. Így pedig nem kell újból nulláról indulnia, a semmiből megtanulnia az egészet.
Amikor a Flappy Bird-öt játszotta, még akkor is tudta folytatni, miután a csövek és az akadályok közötti távolság folyamatosan megváltozott – állítja az IBM-Watson AI Lab.
A fejlesztés a rugalmas következtetés figyelemreméltó példája, és egyben következőgenerációs MI-ket vetít előre.
Az IBM új algoritmusa és a hasonló projektek az emberszerű (vagy a sci-fikből ismert ember feletti) általános mesterséges intelligencia (artificial general intelligence, AGI) felé mutatnak. Egyelőre messze vannak tőle, viszont az MI ismeret/tudásalapjának időről időre történő frissítésének képessége közelebb visz az emberi agy rugalmasságának utánzásához.
A probléma a mesterségesintelligencia-kutatásban „katasztrofális felejtésként” ismert jelenség. Mihelyst egy algoritmust új feladatra tanítanak/gyakoroltatnak be, más területekre vonatkozó korábbi ismereteit azonnal „elfelejti”, mindent elölről kell kezdenie. Mindig csak egy területre, feladatra, feladatkörre szakosodik, és ahányszor belefog valamibe, a semmiből indul.
A Google-hoz tartozó londoni DeepMind szintén foglalkozik a problémával, fejlesztettek egy, az „emlékeket” jobban tároló algoritmust.
Az IBM megközelítése komplexebb. Az alkalmazkodást és új dolgok megtanulását, a folyamatos tanulás stabilizálását fontosabbnak tartják, mintha csak megakadályozzák a felejtést.
A legfőbb különbség, hogy az IBM kutatói megtalálták az MI betanításának azt a módszerét, hogyha a környezet megváltozik, az akkori ismeretei és a korábban tanultak alapján képes alkalmazkodni hozzá.
Az IBM célja emberi beavatkozás nélkül, önmagától tanuló és minden újhoz alkalmazkodó MI fejlesztése.
