AI-nyhederRachel Lawrence: Ræsonnering er en regel, AI kan lære
Forskere argumenterer for, at AI's evne til at ræsonnere kan læres som en regelbaseret proces – ikke kun via enorme mængder data.
Det nye syn
Rachel Lawrence og Jacqueline Maasch fra en forskergruppe har udgivet et position paper, hvor de udfordrer den gængse opfattelse af, hvordan AI lærer at tænke. De mener, at ræsonnering ikke er en mystisk evne, men en proces, der kan brydes ned i regler og læres systematisk. Det kan ændre, hvordan vi bygger fremtidens AI-systemer.
Forskellen fra før
Traditionelt har AI-udviklere fokuseret på at fodre modeller med enorme datasæt for at opnå ræsonnering. Men Lawrence og Maasch foreslår, at man i stedet kan lære AI at følge eksplicitte regler – ligesom man lærer et barn matematik. Det kan gøre AI mere gennemsigtig og lettere at fejlsøge, fordi man kan se præcis, hvilke regler modellen bruger.
Kritikernes indvending
Ikke alle i forskningsmiljøet er enige. Nogle hævder, at komplekse opgaver kræver mere end bare regler – at AI skal kunne håndtere uforudsigelige situationer, hvor regler ikke slår til. Men Lawrence og Maasch svarer, at regler kan kombineres med data for at få det bedste fra begge verdener.
- Paperet præsenteres på den 43. internationale konference om maskinlæring i Seoul.
- Forskerne kalder ræsonnering en 'lærbar regelbaseret proces'.
- Positionen er udgivet på arXiv og har gennemgået peer review.
- Argumentet er, at regler kan gøre AI mere forståelig for mennesker.
- De ser kombinationen af regler og data som den mest lovende vej frem.
Du kan snart møde AI, der ikke bare gætter – men forklarer sine valg med klare regler, hvilket gør teknologien nemmere at stole på og bruge i din hverdag.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.