Les humains peuvent effectuer plusieurs tâches en même temps (par exemple, lire tout en écoutant de la musique), mais nous mémorisons des informations provenant de sources moins ciblées avec une efficacité moindre que nous le faisons à partir de notre objectif principal ou de notre tâche.
De telles choses existent-elles dans le cas de l'intelligence artificielle? Je doute, par exemple, que les réseaux de neurones aient de telles caractéristiques, mais je me trompe peut-être.
Réponses:
L' architecture CopyCat de Douglas Hofstadter pour résoudre les problèmes d'analogie de chaînes de lettres a été délibérément conçue pour maintenir une notion sémantiquement éclairée de `` saillance '', c'est-à-dire étant donné une variété de possibilités concurrentes, a tendance à maintenir l'intérêt pour celle qui est la plus convaincante. Bien que la valeur de saillance (d'une partie d'une) solution soit finalement représentée numériquement, les moyens par lesquels elle a été déterminée sont généralement destinés à correspondre (au moins fonctionnellement) à la manière dont `` l'attention sélective '' pourrait fonctionner dans la cognition humaine.
La concentration, peut-être plus facile à saisir en tant que «concentration» ou «attention», a une certaine histoire en IA. Cette réponse mentionne CopyCat, et il y avait aussi du travail avec les réseaux de neurones dans les années 80 (par exemple de Fukushima , créateur du Neocognitron).
Plus récemment, l' attention dans les réseaux de neurones prend de l'ampleur . Les mécanismes sont appliqués à l'apprentissage dans les réseaux de neurones profonds.