บทความนี้คัดลอกมาจากบทสัมภาษณ์ของนักประสาทวิทยา Anthony Zador ในพอดแคสต์ Brain Inspired ซึ่งสำรวจประเด็นล้ำสมัยที่จุดบรรจบของประสาทวิทยาศาสตร์และปัญญาประดิษฐ์ (NeuroAI) ด้วยมุมมองที่เป็นเอกลักษณ์ของเขา ศาสตราจารย์ Zador ได้วิเคราะห์อดีต ปัจจุบัน และอนาคตของ NeuroAI อย่างลึกซึ้ง และแสดงความคิดเห็นเชิงลึกเกี่ยวกับแนวโน้มการพัฒนา AI ในปัจจุบัน โดยให้ความสนใจเป็นพิเศษกับความท้าทายที่สำคัญ เช่น การประสานงานหลายวัตถุประสงค์ การเรียนรู้เชิงพัฒนาการ และการจำลองสู่ความเป็นจริง การแปลงซึ่งเป็นแรงบันดาลใจอันมีค่าสำหรับทิศทางการพัฒนาในอนาคตของ AI
ที่จุดบรรจบระหว่างประสาทวิทยาศาสตร์และปัญญาประดิษฐ์ Anthony Zador นักประสาทวิทยาชื่อดังได้สนทนาเชิงลึกกับ Paul Middlebrooks ผู้ดำเนินรายการพอดแคสต์ Brain Inspired ในฐานะหนึ่งในผู้บุกเบิกในสาขานี้ Zador ได้อธิบายข้อมูลเชิงลึกที่เป็นเอกลักษณ์ของเขาเกี่ยวกับการพัฒนา NeuroAI ในอนาคต
ตั้งแต่การต่อต้านในช่วงแรกไปจนถึงคำว่า "NeuroAI" จนกระทั่งตอนนี้เต็มไปด้วยความคาดหวังสำหรับสาขานี้ การเปลี่ยนแปลงของ Zador เกิดจากการคิดเชิงลึกเกี่ยวกับธรรมชาติของปัญหา เขาชี้ให้เห็นว่าในช่วงทศวรรษ 1980 และ 1990 ประสาทวิทยาเชิงคอมพิวเตอร์และเครือข่ายประสาทเทียมมีการเชื่อมโยงกันอย่างใกล้ชิด อย่างไรก็ตาม เมื่อการวิจัยมีความลึกมากขึ้น เขาก็ตระหนักว่าการมุ่งเน้นไปที่ลักษณะไดนามิกของวงจรประสาทเพียงอย่างเดียวนั้นไม่เพียงพอ การทำความเข้าใจว่าวงจรเหล่านี้ช่วยให้สิ่งมีชีวิตแก้ไขปัญหาในทางปฏิบัติได้อย่างไร
เมื่อพูดถึงการพัฒนา AI ในปัจจุบัน Zador ได้กล่าวถึงประเด็นที่กระตุ้นความคิด เขาเชื่อว่าสถาปัตยกรรม Transformer ที่ได้รับความสนใจอย่างมากในปัจจุบันอาจเป็นตัวอย่างที่ขัดแย้งกับความสำเร็จของ NeuroAI เนื่องจากแทบจะไม่มีความคล้ายคลึงกับวิธีการทำงานของสมองเลย เขาอธิบายว่าความสำเร็จของ ChatGPT สาเหตุหลักมาจากลักษณะเฉพาะของระบบภาษามากกว่าการจำลองกระบวนการรับรู้ของมนุษย์อย่างแท้จริง
ในส่วนของทิศทางการพัฒนาในอนาคตของ AI นั้น Zador เน้นย้ำถึงความท้าทายที่สำคัญของการประสานงานหลายวัตถุประสงค์เป็นพิเศษ เขาตั้งข้อสังเกตว่าระบบ AI ที่มีอยู่สามารถปรับให้เหมาะสมสำหรับเป้าหมายเดียวได้ดี แต่มักจะทำงานได้ไม่ดีเมื่อต้องรับมือกับหลายเป้าหมาย ในทางตรงกันข้าม สิ่งมีชีวิตได้พัฒนากลไกอันประณีตในระหว่างกระบวนการวิวัฒนาการเพื่อสร้างสมดุลให้กับเป้าหมายหลายประการ เช่น การหาอาหาร การหลบหนี และการสืบพันธุ์ วิธีการใช้กลไกการปรับสมดุลนี้อาจเป็นการเปิดเผยที่สำคัญสำหรับการพัฒนา AI ในอนาคต
ในแง่ของการพัฒนาและการเรียนรู้ Zador นำเสนอมุมมองใหม่ เขาเชื่อว่าจีโนมมนุษย์สามารถมองได้ว่าเป็น "การเป็นตัวแทนแบบบีบอัด" ของวงจรประสาท ซึ่งทำให้เกิดการสร้างโครงสร้างที่ซับซ้อนผ่านกฎการเรียกซ้ำ มุมมองนี้ได้รับการสนับสนุนจากงานวิจัยล่าสุดของเขา ซึ่งทีมของเขาประสบความสำเร็จในการบีบอัดโครงข่ายประสาทเทียมขนาดใหญ่ถึง 100 ถึง 1,000 ครั้ง ในขณะที่ยังคงประสิทธิภาพดั้งเดิมเอาไว้
ในส่วนของการพัฒนาเทคโนโลยีหุ่นยนต์ Zador เน้นย้ำถึงความยากในการเปลี่ยนจากการจำลองไปสู่ความเป็นจริง เขาชี้ให้เห็นว่าระบบทางชีววิทยาแสดงให้เห็นความสามารถในการปรับตัวที่น่าทึ่งในเรื่องนี้ เช่น สุนัขที่มีขนาดแตกต่างกันอย่างมากมายยังคงมีคำแนะนำในการพัฒนาทางระบบประสาทที่คล้ายคลึงกัน เบื้องหลังความสามารถในการปรับตัวนี้คือกระบวนการพัฒนาที่ออกแบบมาอย่างพิถีพิถัน เพื่อให้ได้มาซึ่งความสามารถที่ซับซ้อนโดยการค่อยๆ แก้ไขปัญหาย่อย
เมื่อมองไปสู่อนาคต Zador เชื่อว่าการเรียนรู้ตามหลักสูตรอาจเป็นทิศทางสำคัญในการเอาชนะคอขวดของการพัฒนา AI ในปัจจุบัน การแบ่งย่อยงานที่ซับซ้อนออกเป็นงานย่อยย่อยๆ และเรียนรู้ทีละขั้นตอนตามลำดับที่สมเหตุสมผล ระบบ AI อาจมีประสิทธิภาพมากกว่าการเรียนรู้เป้าหมายสุดท้ายโดยตรง แนวทางนี้มีศักยภาพไม่เพียงแต่จะเร่งการเรียนรู้เท่านั้น แต่ยังปรับปรุงความสามารถของระบบในการปรับตัวเมื่อเผชิญกับการเปลี่ยนแปลงในโลกแห่งความเป็นจริงอีกด้วย
บทสนทนานี้ไม่เพียงแต่แสดงให้เห็นถึงโอกาสในการบูรณาการประสาทวิทยาศาสตร์และปัญญาประดิษฐ์อย่างลึกซึ้งเท่านั้น แต่ยังเผยให้เห็นถึงแรงบันดาลใจที่สำคัญของสติปัญญาทางชีวภาพในการพัฒนาปัญญาประดิษฐ์อีกด้วย เมื่อการวิจัยมีความลึกมากขึ้น การสำรวจแบบสหวิทยาการนี้จะให้ข้อมูลเชิงลึกมากขึ้นเกี่ยวกับการพัฒนา AI ในอนาคตอย่างแน่นอน
มุมมองของศาสตราจารย์ซาดอร์ชี้ให้เห็นทิศทางใหม่สำหรับการวิจัยในสาขาปัญญาประดิษฐ์ และเน้นย้ำถึงความสำคัญของการได้รับแรงบันดาลใจจากความฉลาดทางชีววิทยา ในอนาคต การพัฒนา NeuroAI อย่างต่อเนื่องคาดว่าจะช่วยแก้ปัญหาความท้าทายมากมายที่ AI เผชิญอยู่ในปัจจุบัน และส่งเสริมความก้าวหน้าที่ก้าวหน้าในเทคโนโลยีปัญญาประดิษฐ์ในท้ายที่สุด