世界

人間とAIの学習の類似性は、直感的なデザインの洞察を提供します

クレジット：Unsplash/CC0パブリックドメイン 新しい研究では、人間と人工知能が2種類の学習を統合する方法に類似点が見つかり、人々がどのように学習するかについての新しい洞察と、より直感的なAIツールを開発する方法を提供しています。 研究はです 公開 で 国立科学アカデミーの議事録。 ポスドク研究員のジェイク・ラシンが率いる コンピュータサイエンス ブラウン大学では、AIシステムをトレーニングすることで発見された研究は、柔軟で漸進的な学習モードが人間の作業記憶と長期記憶と同様に相互作用することを示しています。 「これらの結果は、人間がある状況ではルールベースの学習者のように見える理由を説明するのに役立ち、他の状況では漸進的な学習者です」とラシンは言いました。 「彼らはまた、最新のAIシステムが人間の脳と共通しているものについて何かを提案しています。」 ラシンは、認知と心理科学の教授であり、ブラウンのカーニー脳科学研究所の計算脳科学センターのディレクターであるマイケル・フランクの研究所と、ブラウンのAIアシスタントのためのAI研究所を率いるコンピューター科学の准教授であるエリー・パブリックで共同任命を行っています。 タスクに応じて、人間は2つの方法のいずれかで新しい情報を取得します。 TIC-TAC-Toeのルールを学習するなどの一部のタスクでは、「コンテキスト内」の学習により、いくつかの例の後に人々がルールをすばやく把握できます。他の例では、インクリメンタル学習は、ピアノで曲を演奏することを学ぶことに伴うゆっくりと持続的な実践など、時間の経過とともに理解を改善するための情報に基づいています。 研究者は、人間とAIが両方の形式の学習を統合することを知っていましたが、2つの学習タイプがどのように連携するかは明確ではありませんでした。研究チームの継続的なコラボレーションの過程で、Russinは機械学習を橋渡しし、 計算神経科学- 動的は、人間の作業記憶と長期記憶の相互作用に似ている可能性があるという理論を開発しました。 この理論をテストするために、ラシンは「メタラーニング」を使用しました。これは、AIシステムが学習自体を学習するのに役立つトレーニングの種類を使用して、2つの学習タイプの重要なプロパティをいじります。この実験により、複数の例を通じてメタ学習した後、コンテキスト内学習を実行するAIシステムの能力が現れたことが明らかになりました。 人間の実験から適応した1つの実験は、AIが同様のアイデアを再結合して新しい状況に対処するように挑戦することにより、コンテキスト内学習をテストしました。色のリストと動物のリストについて教えた場合、AIは、以前に見たことのない色と動物（緑のキリンなど）の組み合わせを正しく識別できますか？ 12,000の同様のタスクに挑戦することでAIメタを学習した後、色と動物の新しい組み合わせを正常に識別する能力を獲得しました。 結果は、人間とAIの両方で、一定量の漸進的な学習が行われた後に、より速く、柔軟なコンテキスト内学習が発生することを示唆しています。 「最初のボードゲームでは、プレイ方法を理解するのに時間がかかります」とパブリックは言いました。 「100番目のボードゲームを学ぶ頃には、その特定のゲームをこれまで見たことがなくても、プレーのルールをすばやく手に入れることができます。」 チームはまた、学習保持と柔軟性の間にトレードオフを発見しました。人間と同様に、AIがタスクを正しく完了するのが難しいほど、将来の実行方法を覚えている可能性が高くなります。人間のこのパラドックスを研究したフランクによると、これはエラーが脳に長期記憶に保存されている情報を更新するために脳にキューを合わせているのに対し、コンテキストで学習されたエラーのないアクションは柔軟性を高めますが、同じ方法で長期のメモリを関与させないためです。 人間の学習と意思決定を理解するために生物学的にインスパイアされた計算モデルの構築を専門とするフランクにとって、チームの仕事は、人工ニューラルネットワークでのさまざまな学習戦略の長所と短所を分析することで、 人間の脳。 「私たちの結果は、複数のタスクにわたって確実に保持され、神経科学者がこれまでグループ化していなかったという人間の学習の異なる側面をまとめます」とフランクは言いました。 また、この作業は、特にメンタルヘルスなどの敏感なドメインで、直感的で信頼できるAIツールを開発するための重要な考慮事項を示唆しています。 「親切で信頼できるAIアシスタントを持つために、人間とAIの認知は、それぞれがどのように機能するか、そしてそれらが異なる範囲で同じ範囲を認識する必要があります」とPavlick氏は言いました。 「これらの発見は素晴らしい第一歩です。」 詳細： Jacob Russin et al、人間の認知とニューラルネットワークの並行トレードオフ：コンテキスト内学習と重量の学習の動的相互作用、 国立科学アカデミーの議事録 （2025）。 doi：10.1073/pnas.2510270122…