يدرس الباحثون في شركة DeepMind ، الشركة "الشقيقة" لشركة Google ، وشركة Berkeley ، وهي جامعة في كاليفورنيا ، الارتباطات والاختلافات بين تعلم الأطفال والذكاء الاصطناعي. النتائج التي توصلت إليها الدراسة قد تقرب الأنظمة الاصطناعية من البشر وتعالج أوجه القصور الحالية.
يبدأ التحليل من التفاعلات داخل متاهة مصنوعة في اللعبة القديمة الزلزال الثالث (1999). كل من المشاركين – طفل متطوع وذكاء اصطناعي تجريبي – في وضع لاكتشاف حل ، يتعرض لضوابط بسيطة ، يخدم حصرا للمضي قدما ؛ إلى الوراء. اليسار أو اليمين.
ستسلط هذه البيئة الضوء على خصائص الفرد المدروس ، مثل مفاهيم التنقل والحفظ. بحثت جامعة بيركلي عن الاختلافات بين الذكاء الاصطناعي والطفل عند تعرضها لبيئة غير معروفة ، وفرضت استكشافها. للقيام بذلك ، يجب حل المتاهات بطريقتين مختلفتين: التجول في الفضاء بحرية ، وفي المحاولة الثانية ، العثور على رصاصة في مكان ما في المتاهة.
ومن المثير للاهتمام أن السيناريو الأول سلط الضوء على أوجه التشابه بين الأطفال وبحث العمق الأول لمنظمة العفو الدولية (DFS) ، وهي خوارزمية قادرة على اجتياز أشجار البيانات – تم تكييفها بشكل صحيح للتجربة. كلاهما اكتشف بيئات غير مألوفة حتى وجدوا طريق مسدود. بعد ذلك ، يعودون إلى آخر مسار بديل تم العثور عليه وتكرار العملية.
اعتمد حوالي 90٪ من الأطفال هذه الاستراتيجية ؛ في السيناريو الثاني ، استخدم 96٪ منهم الطريقة. علاوة على ذلك ، فإن أولئك الذين اختاروا استكشاف المتاهة بأكملها في التجربة الأولى وصلوا إلى الرصاصة المخفية بسرعة أكبر من الأطفال الأقل فضولًا.
فوز المشروع / الاستنساخالأطفال أكثر تسامحًا مع الشدائد
في التجربة الثانية ، تغيرت الظروف قليلاً. الآن ، تتكون من 3 مراحل مختلفة ، وضعت المحاكاة الأطفال لاستكشاف المتاهة بحرية ؛ في السيناريو التالي ، كانوا بحاجة إلى العثور على رمز نقطي ، وأخيرًا ، كانوا بحاجة إلى العثور على نفس الرمز النقطي ، ولكن مع حظر المسار المستخدم سابقًا.
على عكس الذكاء الاصطناعي ، لم يثبط عزيم الأطفال بعد أن واجهوا عقبة المرحلة النهائية ؛ على العكس ، بحثوا عن الطريق البديل ووجدوا الحلوى. وفي الوقت نفسه ، تميل الذكاء الاصطناعي إلى عدم معالجة هذه العقبات بشكل جيد.
