根據北卡羅來納州立大學的最新研究發現，一個具有內省能力並能自我微調其神經網路的人工智慧（AI），在選擇多元性而非單一性時表現更佳。這種多元性神經網路在解決複雜任務方面特別有效。
AI 以神經網路為基礎，與我們的大腦工作方式相似。我們的自然神經元根據它們之間的存取強度交換電脈衝。人造神經網路透過在訓練過程中調節數值權重和偏差來建立類似強存取。例如，神經網路可以透過遍歷大量照片，猜測該照片是否是狗的照片，並根據其與實際情況的偏差進行調整，直到與現實更接近。
傳統的 AI 使用神經網路解決問題，但這些網路通常由大量相同的類似神經元組成。隨著學習的深入，這些神經元之間的存取數量和強度可能會發生變化，但最佳化後，這些靜態神經元就是該網路。然而這項新研究團隊給予他們的 AI 選擇在神經網路中的神經元數量、形狀和存取強度的能力，並在學習過程中建立不同型別和存取強度的子網路。
根據研究團隊的說法，他們的 AI 可以在多元和單一神經元之間做出選擇，並發現在任何情況下，AI 都傾向於選擇多元性來增強其效能。團隊透過要求 AI 執行標準的數值分類練習來測試其準確性，結果發現隨著神經元數量和神經元多樣性的增加，其準確性也增加。相比之下，一個傳統的單一性 AI 可以以 57%的準確性識別數位，而擁有多元學習能力的 AI 則能夠達到 70%的準確性。根據 Ditto 的說法，在解決更複雜和混亂的問題方面，基於多元性的 AI 的效能甚至比不具備多元性的 AI 提高了 10 倍。
這項研究發表在《科學報告》（Scientific Reports）期刊上，表明如果給予 AI 內省的能力，讓其學習如何學習，則它將改變內部結構-也就是人造神經元的結構，以達到多樣性並提高其學習和解決問題的能力。Ditto 教授說：“的確，我們還觀察到隨著問題變得越來越複雜和混亂，以多樣性為基礎的 AI 的效能可以更大幅度地提高，比不具備多樣性的 AI 更加有效。”
這項研究結果為 AI 的發展提供了重要啟示。將內省性引入 AI 中可以提高其學習和解決問題的能力。透過內省，AI 能夠不斷調整自己的神經網路結構以擁抱多樣性，從而增強其效能。這對於解決複雜和多變的問題至關重要，例如天體運動或預測物體運動。這種多元性的 AI 對於我們社會面臨的許多挑戰，包括創新、問題解決和應對變化，都具有重要影響力。
然而我們也需要關注 AI 內省的倫理和隱私問題。AI 對於它學習的方式和其自身的能力具有高度的掌握權，這可能會引發擔憂。在 AI 越來越智慧且自我調整能力變強之際，我們需要建立相應的監管和倫理機制，以確保 AI 的發展是可持續、負責任且符合道德的。
總結而言，這項研究為 AI 的發展提供了新的思路。透過內省和多元性，AI 能夠不斷調整自己的神經網路結構，從而提高學習和解決問題的能力。然而我們也應該同時關注 AI 內省的倫理和隱私問題，確保 AI 的發展是可持續且負責任的。
