Для проверки нейросетей ученые применили платформу Avida, где цифровые организмы конкурируют с неживыми объектами. Изначально модель демонстрировала точность в 99,97%, однако стоило исследователям модифицировать структуру неживых данных, как система начала массово ошибаться. Проблема кроется в том, что ИИ выявляет лишь статистические закономерности, не осознавая фундаментальных свойств жизни.
Этот изъян ставит под угрозу предстоящие космические миссии NASA, где автономным роботам предстоит самостоятельно отбирать образцы на Марсе или ледяных лунах. Сейчас агентство инвестирует 5 миллионов долларов в создание алгоритмов, способных анализировать химический состав пород с помощью масс-спектрометров. Для обучения таких систем планируется использовать более тысячи образцов, от метеоритов до ископаемых остатков.
Разработчики подчеркивают: текущие методы нуждаются в доработке. Чтобы избежать ложных открытий, ИИ должен учиться не только на эталонных живых организмах, но и на широком спектре следов их жизнедеятельности, включая тупиковые химические формы, которые вводят современные модели в заблуждение.

Комментарии (0)
Пока нет комментариев. Будьте первым!