Neuroteadusel põhinev intelligentsus ammutab inspiratsiooni inimaju struktuurist ja toimimisest, et luua tehisintellekti süsteeme, mis jäljendavad bioloogilist õppimist ja taju. Tehisintellekt keskendub täielikult konstrueeritud arvutuslikele lähenemisviisidele, mida ei piira bioloogilised põhimõtted, seades bioloogilise usutavuse asemel esikohale efektiivsuse, skaleeritavuse ja ülesannete täitmise.
Aju struktuurist ja närviprotsessidest inspireeritud tehisintellekti süsteemid, mille eesmärk on jäljendada inimese tunnetuse ja õppimise aspekte.
Täielikult konstrueeritud tehisintellekti süsteemid, mis on loodud ilma bioloogiliste piiranguteta ning optimeeritud arvutusliku jõudluse ja skaleeritavuse jaoks.
| Funktsioon | Neuroteadusel põhinev intelligentsus | Tehisintellekt |
|---|---|---|
| Disaini inspiratsioon | Inimese aju ja neuroteadus | Matemaatilised ja inseneripõhimõtted |
| Peamine eesmärk | Bioloogiline usutavus | Ülesannete täitmine ja skaleeritavus |
| Arhitektuuristiil | Aju-sarnased struktuurid ja spike-mudelid | Sügavad närvivõrgud ja trafopõhised süsteemid |
| Õppemehhanism | Sünaptilise plastilisuse inspireeritud õppimine | Gradiendi laskumise ja optimeerimise algoritmid |
| Arvutuslik efektiivsus | Potentsiaalselt energiatõhus, kuid eksperimentaalne | Äärmiselt optimeeritud tänapäevase riistvara jaoks |
| Tõlgendatavus | Mõõdukas bioloogilise analoogia tõttu | Mudeli keerukuse tõttu sageli madal |
| Skaleeritavus | Ikka veel suures mahus arenemas | Äärmiselt skaleeritav praeguse infrastruktuuriga |
| Reaalse maailma juurutamine | Peamiselt uurimisjärgus ja spetsialiseeritud süsteemid | Laialdaselt kasutusele võetud tootmis-AI-süsteemides |
Neuroteadusel põhinev intelligentsus püüab jäljendada aju infotöötlust, õppides bioloogilistest põhimõtetest, nagu närviimpulsside käivitusmustrid ja adaptiivsed sünapsid. Tehisintellekt seevastu ei püüa bioloogiat jäljendada, vaid keskendub abstraktsete matemaatiliste mudelite abil tõhusalt töötavate süsteemide loomisele.
Aju inspireeritud süsteemid uurivad sageli lokaalseid õppereegleid sarnaselt sellele, kuidas neuronid aja jooksul ühendusi tugevdavad või nõrgestavad. Sünteetilised süsteemid tuginevad tavaliselt globaalsetele optimeerimismeetoditele, näiteks tagasilevimisele, mis on küll väga tõhusad, kuid bioloogiliselt vähem realistlikud.
Tehisintellekt domineerib praegu reaalsetes rakendustes, kuna see skaleerub tõhusalt ja toimib hästi kaasaegsel riistvaral. Neuroteadusest inspireeritud süsteemid näitavad energiatõhususe ja kohanemisvõime osas paljulubavaid tulemusi, kuid on endiselt suures osas eksperimentaalsed ja raskemini skaleeritavad.
Neuroteadusel põhinevad lähenemisviisid on tihedalt seotud neuromorfse riistvaraga, mille eesmärk on jäljendada aju vähese energiatarbega arvutusstiili. Tehisintellekt tugineb graafikaprotsessoritele (GPU) ja TPÜ-dele (TPU), mis ei ole küll bioloogiliselt inspireeritud, kuid pakuvad tohutut arvutuslikku läbilaskevõimet.
Neuroteadusel põhinev intelligentsus tugineb sageli kognitiivteaduse ja aju-uuringute teadmistele, mille eesmärk on ületada lõhe bioloogia ja arvutustehnika vahel. Tehisintellekt areneb peamiselt inseneriinnovatsiooni, andmete kättesaadavuse ja algoritmiliste täiustuste kaudu.
Neuroteadustel põhinev tehisintellekt on lihtsalt süvaõppe edasijõudnum versioon
Kuigi mõlemad kasutavad närvivõrgu kontseptsioone, on neuroteadusel põhinev tehisintellekt otseselt loodud bioloogiliste põhimõtete, näiteks neuronite teravdamise ja ajulaadsete õppimisreeglite ümber. Süvaõpe on seevastu peamiselt inseneriteaduslik lähenemisviis, mis keskendub jõudlusele, mitte bioloogilisele täpsusele.
Tehisintellekt ignoreerib täielikult inimeste mõtlemisviisi
Tehisintellekt ei püüa aju struktuuri jäljendada, kuid seda saab siiski inspireerida kognitiivsetest käitumismustritest. Paljud mudelid püüavad jäljendada inimese arutluskäitumise tulemusi ilma bioloogilisi protsesse taasesimata.
Aju inspireeritud süsteemid asendavad peagi kogu praeguse tehisintellekti
Neuroteadusel põhinevad lähenemisviisid on paljulubavad, kuid seisavad endiselt silmitsi suurte väljakutsetega skaleeritavuse, treeningu stabiilsuse ja riistvaratoe osas. On ebatõenäoline, et need lähitulevikus sünteetilisi süsteeme asendavad.
Tehisintellekt ei saa muutuda efektiivsemaks
Käimasolevad uuringud mudelite tihendamise, hõreduse ja tõhusate arhitektuuride valdkonnas täiustavad jätkuvalt sünteetilisi süsteeme. Tõhususe suurendamine on tänapäevase tehisintellekti arendamise peamine eesmärk.
Inimeselaadne intelligentsus nõuab ajulaadset arvutamist
Inimeselaadset käitumist saab lähendada mittebioloogiliste arvutusmeetodite abil. Paljud praegused tehisintellekti süsteemid saavutavad muljetavaldavaid tulemusi ilma närvibioloogiale lähedaltki sarnanemata.
Neuroteadusel põhinev intelligentsus pakub bioloogiliselt põhjendatud teed, mis võib viia energiatõhusama ja inimsarnasema kognitsioonini, kuid see on endiselt suures osas eksperimentaalne. Sünteetiline intellekt on tänapäeval praktilisem, andes oma skaleeritavuse ja jõudluse tõttu jõudu enamikule reaalse maailma tehisintellekti rakendustele. Pikas perspektiivis võivad hübriidsed lähenemisviisid ühendada mõlema paradigma tugevused.
Tehisintellekti kaaslased keskenduvad vestluslikule suhtlusele, emotsionaalsele toele ja adaptiivsele abile, samas kui traditsioonilised tootlikkuse rakendused seavad esikohale struktureeritud ülesannete haldamise, töövoogude ja efektiivsustööriistad. Võrdlus toob esile nihke jäigast ülesannete jaoks loodud tarkvarast adaptiivsete süsteemide poole, mis ühendavad tootlikkuse loomuliku, inimliku suhtluse ja kontekstuaalse toega.
Tehisintellekti lohakus viitab vähese pingutusega, masstoodanguna loodud tehisintellekti sisule, millel on vähe järelevalvet, samas kui inimese juhitav tehisintellekt ühendab tehisintellekti hoolika redigeerimise, juhtimise ja loomingulise otsustusvõimega. Erinevus taandub tavaliselt kvaliteedile, originaalsusele, kasulikkusele ja sellele, kas päris inimene kujundab aktiivselt lõpptulemust.
Tehisintellektil põhinevad turuplatsid ühendavad kasutajaid tehisintellektil põhinevate tööriistade, agentide või automatiseeritud teenustega, samas kui traditsioonilised vabakutseliste platvormid keskenduvad inimspetsialistide palkamisele projektipõhiseks tööks. Mõlema eesmärk on lahendada ülesandeid tõhusalt, kuid need erinevad teostuse, skaleeritavuse, hinnamudelite ning automatiseerimise ja inimliku loovuse vahelise tasakaalu poolest tulemuste saavutamisel.
Aju plastilisus ja gradiendi laskumise optimeerimine kirjeldavad mõlemad, kuidas süsteemid muutuste kaudu täiustuvad, kuid need toimivad põhimõtteliselt erinevalt. Aju plastilisus kujundab bioloogilistes ajus närviühendusi kogemuste põhjal ümber, samas kui gradiendi laskumine on matemaatiline meetod, mida kasutatakse masinõppes vea minimeerimiseks mudeli parameetreid iteratiivselt kohandades.
Andmepõhised sõidupoliitikad ja käsitsi kodeeritud sõidureeglid esindavad kahte vastandlikku lähenemisviisi autonoomse sõidukäitumise arendamisele. Üks õpib otse reaalsetest andmetest masinõppe abil, teine aga tugineb inseneride kirjutatud selgesõnalisele loogikale. Mõlema lähenemisviisi eesmärk on tagada sõiduki ohutu ja usaldusväärne juhtimine, kuid need erinevad paindlikkuse, skaleeritavuse ja tõlgendatavuse poolest.
