Fusi Dua Model Kecerdasan Buatan oleh Para Peneliti, Memungkinkan Mereka untuk Berkomunikasi
Researchers connect two AI models, enabling them to communicate https://dailyai.com/2024/03/researchers-connect-two-ai-models-enabling-them-to-communicate/

Keterangan Gambar : Fusi Dua Model Kecer

Ilmuwan dari Universitas Geneva telah berhasil mengatasi hambatan dalam kecerdasan buatan dengan menciptakan jaringan saraf buatan yang belajar dan mengeksekusi tugas sebelum mengomunikasikannya kepada kecerdasan buatan lain yang dapat mereplikasinya.

Manusia dapat memahami tugas baru dari instruksi singkat dan mengartikulasikan tugas yang dipelajari dengan cukup baik sehingga orang lain dapat mereplikasinya. Hal ini penting dalam komunikasi manusia dan merupakan fitur kunci dari dunia kesadaran kita.

Studi menarik ini, yang dijelaskan dalam Nature Neuroscience, memberikan kecerdasan buatan bentuk komunikasi dan pembelajaran manusia yang selama ini sulit dicapai oleh teknologi.

Proyek ini, dipimpin oleh Alexandre Pouget, seorang profesor di Fakultas Kedokteran UNIGE, bersama timnya, meneliti teknik lanjutan dalam pemrosesan bahasa alami - sebuah subset dari kecerdasan buatan yang difokuskan pada pemahaman mesin dan respons terhadap bahasa manusia.

Pouget menjelaskan keterbatasan kecerdasan buatan dalam konteks ini, mencatat dalam sebuah artikel yang diterbitkan di situs web Universitas Geneva: "Saat ini, agen percakapan menggunakan kecerdasan buatan mampu mengintegrasikan informasi linguistik untuk menghasilkan teks atau gambar. Namun, sejauh yang kita ketahui, mereka belum mampu menerjemahkan instruksi verbal atau tertulis menjadi tindakan sensorimotor, apalagi menjelaskannya kepada kecerdasan buatan lain agar dapat mereproduksinya."

Pendekatan tim Geneva meningkatkan model jaringan saraf buatan pemahaman bahasa yang sudah ada, S-Bert.

Mereka menghubungkan S-Bert ke jaringan yang lebih kecil dan lebih sederhana, mensimulasikan area persepsi bahasa dan produksi bahasa otak manusia - area Wernicke dan Broca.

Melalui pelatihan, jaringan ini dapat mengeksekusi tugas berdasarkan instruksi bahasa Inggris tertulis dan kemudian menyampaikan tugas-tugas ini secara linguistik kepada jaringan "saudara", memungkinkan kedua kecerdasan buatan berkomunikasi instruksi tugas secara murni melalui bahasa.

Pencapaian utama dari studi ini antara lain:

Sistem kecerdasan buatan dapat memahami dan mengeksekusi instruksi, berhasil melakukan tugas-tugas baru yang belum pernah dilihat sebelumnya sebesar 83% berdasarkan instruksi linguistik saja.

Sistem dapat menghasilkan deskripsi tugas yang dipelajari dengan cara yang memungkinkan kecerdasan buatan kedua memahami dan mereplikasi tugas-tugas ini dengan tingkat keberhasilan yang sama.

Hal ini memperluas potensi model kecerdasan buatan untuk belajar dan berkomunikasi tugas secara linguistik, membuka peluang baru dalam robotika.

Integrasi pemahaman linguistik dengan fungsi sensorimotor dalam kecerdasan buatan berarti kecerdasan buatan dapat berbicara dan memahami ketika sebuah instruksi meminta untuk melakukan tugas seperti mengambil sesuatu dari rak atau bergerak ke arah tertentu.

"Jaringan yang telah kami kembangkan sangat kecil. Tidak ada yang menghalangi pengembangan, berdasarkan ini, jaringan yang jauh lebih kompleks yang akan diintegrasikan ke dalam robot humanoid yang mampu memahami kita tetapi juga memahami satu sama lain," kata para peneliti dalam studi tersebut.

Bersama dengan investasi besar-baru ini dalam perusahaan robotika kecerdasan buatan seperti Figure AI, android pintar mungkin lebih dekat dengan kenyataan daripada yang kita kira.