Një studim i ri nga studiues nga Universiteti Shtetëror i Ohajos në SHBA ofron prova se pëllumbat trajtojnë disa probleme ashtu si do të bënte inteligjenca artificiale.
Hulumtimet e mëparshme kanë treguar se pëllumbat kanë mësuar se si të zgjidhin detyra komplekse të kategorizimit për të cilat mënyrat e të menduarit njerëzor si vëmendja selektive dhe përdorimi i rregullave të qarta nuk do të ishin të dobishme.
Studiuesit teorizuan se pëllumbat përdorën një metodë të zgjidhjes së problemeve "forcë brutale" të ngjashme me atë të përdorur në modelet e inteligjencës artificiale, tha Brandon Turner, autori kryesor i studimit të ri dhe profesor i psikologjisë në Universitetin Shtetëror të Ohajos.
Turner dhe kolegët e tij testuan një model të thjeshtë të inteligjencës artificiale për të parë nëse ai mund t'i zgjidhte problemet ashtu siç ata mendonin se bënin pëllumbat dhe funksionoi.
"Ne gjetëm prova vërtet të forta se mekanizmat që nxisin mësimin e pëllumbave janë jashtëzakonisht të ngjashëm me të njëjtat parime që drejtojnë teknikat moderne të mësimit të makinerive dhe inteligjencës artificiale," tha Turner.
"Gjetjet tona sugjerojnë se te pëllumbi, natyra mund të ketë gjetur një mënyrë për të krijuar një nxënës jashtëzakonisht efikas që i mungon aftësia për të përgjithësuar ose ekstrapoluar siç bëjnë njerëzit," shtoi ai.
Në studim, pëllumbave iu tregua një stimul, i cili mund të përfshinte linja me gjerësi dhe kënde të ndryshme, unaza koncentrike dhe unaza të kryqëzuara. Ata duhej të klikonin butonin djathtas ose majtas për të treguar se cilës kategori i përkiste. Nëse e kuptonin mirë, merrnin një top ushqimi, dhe nëse e merrnin gabim, nuk merrnin asgjë.
Në hulumtim kishte katër detyra të ndryshme, disa më të vështira se të tjerat. Rezultatet treguan se, përmes provës dhe gabimit, pëllumbat përmirësonin aftësinë e tyre për të marrë vendime të sakta në një nga eksperimentet më të lehta nga rreth 55% në 95% të rasteve. Edhe në skenarin më të vështirë, përgjigjet e tyre të sakta u përmirësuan nga 55% në 68%.
Studiuesit besojnë se pëllumbat përdorin të ashtuquajturin mësim asociativ, i cili lidh dy fenomene me njëra-tjetrën. Për shembull, është e lehtë të kuptohet lidhja midis "ujit" dhe "lagësht".
"Të mësuarit shoqërues shpesh mendohet të jetë shumë primitiv për të shpjeguar kategorizimin kompleks vizual si ajo që kemi parë te pëllumbat," tha Turner.
Modeli i inteligjencës artificiale të studiuesve trajtoi të njëjtat detyra duke përdorur vetëm dy mekanizma të thjeshtë që supozohet se përdoren nga pëllumbat, të mësuarit shoqërues dhe korrigjimin e gabimeve. Ashtu si pëllumbat, modeli i inteligjencës artificiale mësoi të bënte parashikime të sakta për të rritur ndjeshëm numrin e përgjigjeve të sakta.
"Është një sfidë për njerëzit kur u jepen detyra si ato që u jepen pëllumbave të përpiqen të nxjerrin një rregull ose rregulla që mund ta bëjnë detyrën më të lehtë. Por në këtë rast nuk kishte rregulla që mund ta bënin më të lehtë. Në të vërtetë i frustron njerëzit dhe ata shpesh heqin dorë nga detyra si kjo”, thotë Turner.
"Pëllumbat nuk përpiqen të bëjnë rregulla. Ata thjesht përdorin këtë provë dhe gabim të papërpunuar dhe të mësuarit shoqërues në disa lloje specifike detyrash që i ndihmojnë ata të bëjnë më mirë se njerëzit," shtoi Turner.
Megjithatë, ajo që është interesante është se pëllumbat përdorin këtë metodë të të mësuarit e cila është shumë e ngjashme me inteligjencën artificiale të krijuar nga njerëzit.
"Ne festojmë se sa të zgjuar jemi për dizajnimin e inteligjencës artificiale, ndërsa përçmojmë pëllumbat si shpezë budallaqe, por parimet e të mësuarit që drejtojnë sjelljen e makinave të inteligjencës artificiale janë mjaft të ngjashme me ato që përdorin pëllumbat," tha Turner.
