Menschen können mehrere Aufgaben gleichzeitig erledigen (z. B. Lesen beim Musikhören), aber wir merken uns Informationen aus weniger fokussierten Quellen mit schlechterer Effizienz als aus unserem Hauptfokus oder unserer Hauptaufgabe.
Gibt es solche Dinge bei künstlicher Intelligenz? Ich bezweifle zum Beispiel, dass neuronale Netze solche Eigenschaften haben, aber ich kann mich irren.
Antworten:
Die CopyCat- Architektur von Douglas Hofstadter zur Lösung von Problemen mit der Analogie von Buchstabenketten wurde absichtlich entwickelt, um einen semantisch informierten Begriff von „Salience“ beizubehalten, dh angesichts einer Vielzahl konkurrierender Möglichkeiten, das Interesse an derjenige zu wahren, die am überzeugendsten ist. Obwohl der herausragende Wert (eines Teils) einer Lösung letztendlich numerisch dargestellt wird, soll das Mittel, mit dem sie bestimmt wird, im Großen und Ganzen (zumindest funktional) der Art und Weise entsprechen, wie „selektive Aufmerksamkeit“ in der menschlichen Wahrnehmung funktionieren könnte.
Konzentration, die vielleicht leichter als "Fokus" oder "Aufmerksamkeit" zu verstehen ist, hat in der KI eine lange Geschichte. In dieser Antwort wird CopyCat erwähnt, und auch in den 80er Jahren wurde mit neuronalen Netzen gearbeitet (z. B. von Fukushima , dem Schöpfer des Neocognitron).
In jüngerer Zeit gewinnt die Aufmerksamkeit in neuronalen Netzen an Dynamik . Die Mechanismen werden auf das Lernen in tiefen neuronalen Netzen angewendet.