鳩が最近の研究でAIのような問題解決スキルを示す

画期的な研究で、研究者たちは、しばしば単純な生物と考えられている鳩が、人工知能（AI）システムに類似した問題解決能力を示していることを発見しました。この発見は、鳥類の認知に関する従来の概念に挑戦し、鳩がAIアルゴリズムに類似した「力技」学習の形態を使用していることを示唆しています。

鳩がAIのようなアプローチで複雑な問題に取り組む

先行研究は、選択的注意や明示的なルールの利用など、従来の人間の思考パターンに反する複雑な分類タスクにおいて、鳩が卓越した能力を持っていることを示していました。 prevailing な仮説は、鳩がAIモデルに匹敵する「力技」戦略を使用していたというものでした。

この研究では、鳩は、異なる幅と角度の線、同心円、および区切られた円を含む刺激に関する一連の分類タスクに晒されました。鳩は、刺激を特定のカテゴリに分類するために、左または右のボタンを突く必要がありました。正しい応答には食品ペレットが報酬として与えられ、誤った応答には報酬がありませんでした。

研究は4つの異なるタスクで構成されており、それぞれが異なる難易度レベルを提供していました。結果は、絶え間ない試行錯誤を通じて、鳩が正しい選択をする能力を大幅に改善したことを示しました。より簡単な実験の一つでは、鳩は約55％の初期精度から印象的な95％に進歩しました。より困難なシナリオでも、その精度は55％から68％に増加しました。

連想学習とエラー修正

研究者たちは、鳩が主に連想学習—2つの現象を結びつけるプロセス—を使用していると仮定しました。人間や動物はしばしば「水」と「濡れ」のような単純な概念の間に連想を確立しますが、連想学習は複雑な視覚分類タスクを説明するには基本的すぎる generally 考えられていました。それでもなお、研究の発見はこの概念と一致していました。

研究チームのAIモデルは、同じタスクを解決するために開発され、鳩が使用すると推定されている2つの単純なメカニズムのみを使用しました：連想学習とエラー修正。鳩と同様に、AIモデルはより正確な予測を行うことを学び、正解の率を大幅に向上させました。

人間と鳩のタスクへのアプローチの間には、顕著な対立が生じました。人間は通常、現在のタスクを簡素化できるルールを策定しようとしますが、この戦略は非常に複雑な問題に直面するとしばしば失敗します。一方、鳩はルールの作成を避け、試行錯誤と連想学習に依存します。特定の種類のタスクでは、このアプローチが鳩に人間に対する優位性を与えるようです。

AIと鳩の学習原理

この発見が興味深いのは、鳩が使用する学習原理と、人間が設計したAIマシンを導く原理の類似性です。この発見は、鳩を知的に制限された生物として見る従来の認識に挑戦し、鳩とAIシステムの間の共有された認知メカニズムを浮き彫りにします。

研究に関与した著名な研究者であるジョン・ターナー博士は、「私たちは、人工知能を設計したという点で、自分がどれほど賢いかを祝う一方で、鳩を愚かな動物として軽視します。しかし、これらのAIマシンの行動を導く学習原理は、鳩が使用するものとかなり似ています。」と述べました。

研究は、国立科学財団と国立衛生研究所という2つの権威ある機関から支援を受けました。これらの組織は、研究者が鳩の認知の魅力的な世界とそのAIシステムとの驚くべき類似性に深く入り込むことを可能にする上で重要な役割を果たしました。