Naujajame tyrime balandžiai buvo lyginami su dirbtinio intelekto modeliu ir nustatyta, kad tiek paukštis, tiek kompiuteris, siekdami išspręsti jiems pateiktą problemą, vadovaujasi panašiu procesu.
„Radome tikrai svarių įrodymų, kad balandžių mokymosi mechanizmai yra nepaprastai panašūs į tuos pačius principus, kuriais vadovaujasi šiuolaikinės mašininio mokymosi ir dirbtinio intelekto technikos, – sako pagrindinis tyrimo autorius, Ohajo valstijos universiteto (JAV) psichologijos profesorius Brandonas Turneris. – Mūsų išvados rodo, kad gamta galėjo rasti būdą, kaip sukurti neįtikėtinai efektyviai besimokantį balandį, kuris nesugeba apibendrinti ar ekstrapoliuoti taip, kaip žmonės.“
Balandžių ir karvelių, priklausančių Columbidae paukščių šeimai, yra apie 300 rūšių. Viena iš jų, nikobarinis karvelis (Caloenas nicobarica), yra artimiausias gyvas paukščio dodo giminaitis.
Šiam eksperimentui Turneris kartu su Ajovos universiteto profesoriumi Edwardu Wassermanu ištyrė 24 balandžių rūšis, kurias galima pamatyti laukinėje gamtoje.
Paukščiams buvo rodomi dirgikliai – įvairių formų, koncentriški ir suskirstyti žiedai – ir tada jie turėjo snapu spausti mygtuką, atitinkantį dirgiklio kategoriją. Teisingai atsakę jie gaudavo atlygį – maisto granulių. Už neteisingus atsakymus prizų nebuvo.
Atlikus keturias skirtingo įgūdžių lygio užduotis paaiškėjo, kad bandymų ir klaidų keliu balandžiai greitai sugebėdavo pasitaisyti, kad rastų teisingą atsakymą – ir taip susikurdavo asociacijas su dirgikliais bei kategorijomis.
Lengviausių eksperimentų metu balandžiai nuo vidutiniškai 55 proc. pagerino savo atsakymus iki beveik visų teisingų – 95 proc., o sunkesniuose bandymuose mokėsi šiek tiek lėčiau – nuo 55 proc. iki 68 proc.
Tačiau tai buvo susiję ne tiek su tuo, ką jie teisingai suprato, kiek su procesais, kurių metu paukščiai sugebėjo mokytis. Tyrėjai mano, kad paukščiai naudojo asociatyvųjį mokymąsi – arba tiesiog susiejo du dalykus.
„Dažnai manoma, kad asociatyvusis mokymasis yra per daug primityvus ir nelankstus, kad būtų galima paaiškinti sudėtingą vizualinį kategorizavimą, kaip tai darė balandžiai, – sako B. Turneris. – Balandžiai nesistengia kurti taisyklių. Jie tiesiog naudoja šį grubų bandymų ir klaidų bei asociatyvaus mokymosi būdą, o kai kurių specifinių tipų užduotis jiems tai padeda atlikti geriau nei žmonėms.“
Ir taip, šioms užduotims balandžių mokymosi būdas yra efektyvesnis nei žmogaus, kuris yra linkęs užduotį apsunkinti taisyklėmis, kad palengvintų darbą.
„Tačiau šiuo atveju nebuvo jokių taisyklių, kurios galėtų padėti palengvinti užduotį, – teigia B. Turneris. – Tai labai vargina žmones ir jie dažnai atsisako tokių užduočių.“
Naudotas dirbtinio intelekto modelis apėmė du paprastus mechanizmus, kuriuos, tyrėjų prielaidomis, naudojo balandžiai: asociatyvųjį mokymąsi ir klaidų taisymą. Ir panašiai kaip paukščiai taisėsi, kad kartojant eksperimentus gautų vis daugiau teisingų atsakymų, taip ir dirbtinis intelektas, atlikdamas eksperimentus, priimdavo vis teisingesnius sprendimus.
Nors tai paprastas modelis, vis dėlto jis yra pagrindas, kuriuo remiasi dirbtinis intelektas. Šios sistemos turi rasti dėsningumus ir juos susieti, kad būtų galima nustatyti problemų sprendimo sąsajas.
„Mokymosi principai, kuriais vadovaujasi šių dirbtinio intelekto mašinų elgesys, yra gana panašūs į tuos, kuriais naudojasi balandžiai“, – pridūrė B. Turneris.
Nors eksperimentinis planas turėjo trūkumų, pavyzdžiui – buvo vertinamas tik vieno tipo asociatyvaus mokymosi modelis – tyrėjai džiaugiasi gautais rezultatais ir ateityje žada bendradarbiauti su balandžių neurobiologiją tiriančiais mokslininkais.
Tyrimas paskelbtas žurnale „iScience“.
Parengta pagal „New Atlas“.
