Possono le IA imparare a svolgere task da altre IA, condividendo la conoscenza e insegnandosi a vicenda? Secondo il professor Laurent Itti e il dottorando Yunhao Ge dell'USC Viterbi, l'intelligenza artificiale è pronta a imparare dai suoi "simili".
Nel paper Lightweight Learner for Shared Knowledge Lifelong Learning Itti e Ge illustrano il funzionamento di SKILL - Shared Knowledge Lifelong Learning, uno strumento in cui una popolazione di IA impara un certo numero di task e condivide la conoscenza appresa col resto della rete.
Nell'esperimento i due ricercatori e il loro team hanno usato 102 diversi task di categorizzazione. Ogni intelligenza artificiale (8 nel test) ha dapprima imparato in maniera sequenziale un sottoinsieme di questi task, e poi ha condiviso la conoscenza con gli altri agenti.
Poiché ogni agente comunicava con tutti gli altri, alla fine sono diventati tutti uguali in termini di capacità. Al contrario dei tool sviluppati finora, nei quali un singolo agente deve imparare decine di task in maniera sequenziale, con SKILL il processo si velocizza grazie alla parallelizzazione dell'apprendimento.
Ogni agente, spiegano i ricercatori, consiste di una parte comune a tutti gli altri e agnostica rispetto ai task, dove si trova la maggior parte dei parametri, e di moduli specifici per un sottoinsieme attività, con meno parametri ma definiti sui task da svolgere.
Dopo la fase di apprendimento, gli agenti condividono con gli altri i propri moduli specifici più delle informazioni generali che rappresentano il task. La condivisione di questi moduli fa sì che anche gli altri agenti possano apprendere la risoluzione di task per cui non erano stati programmati.
"Normalmente prima si collezionano i dati su cui si vuole addestrare l'IA, poi si procede con il training del modello" ha affermato Itti. "Ma come accade per le persone, vogliamo creare degli agenti di IA che possano continuare a imparare dopo aver scoperto nuove cose".
Secondo Itti e il suo team, SKILL è un punto di partenza promettente per gli avanzamenti nel campo dell'apprendimento continuo (lifelong learning) dell'IA. Nel campo medico, per esempio, ogni agente potrebbe specializzarsi su malattie o trattamenti e, creando un pool di conoscenza condiviso, essere di supporto ai medici.
L'obiettivo dei ricercatori è di applicare lo stesso principio anche a task più complessi del semplice riconoscimento di immagini o di categorizzazione, portando il principio della condivisione della conoscenza propria degli esseri viventi anche nell'IA.
"Immagina se tu, come persona singola, dovessi imparare da solo tutta la conoscenza umana" ha suggerito Itti. "Sarebbe impossibile. Gli esseri umani hanno i mezzi per condividere l'informazione. Ora vogliamo portare quest'idea anche nel dominio dell'IA".
