Gli esseri umani possono svolgere più attività contemporaneamente (ad es. Leggere mentre si ascolta la musica), ma memorizziamo le informazioni da fonti meno focalizzate con un'efficienza peggiore di quanto facciamo dal nostro focus o attività principale.
Esistono cose del genere nel caso dell'intelligenza artificiale? Dubito, ad esempio, che le reti neurali abbiano tali caratteristiche, ma potrei sbagliarmi.
Risposte:
L' architettura CopyCat di Douglas Hofstadter per la risoluzione di problemi di analogia a stringhe di lettere è stata deliberatamente progettata per mantenere una nozione semanticamente informata di "salienza", vale a dire, data una varietà di possibilità concorrenti, tende a mantenere l'interesse per quello che è più avvincente. Sebbene il valore di salienza di (parte di) una soluzione sia alla fine rappresentato numericamente, i mezzi con i quali essa ha determinato sono generalmente intesi per corrispondere (almeno funzionalmente) al modo in cui "l'attenzione selettiva" potrebbe operare nella cognizione umana.
La concentrazione, forse più facile da comprendere come "focus" o "attenzione", ha una certa storia nell'intelligenza artificiale. Questa risposta menziona CopyCat e negli anni '80 si è lavorato anche con le reti neurali (ad es. Da Fukushima , creatore del Neocognitron).
Più recentemente, l' attenzione nelle reti neurali sta guadagnando slancio . I meccanismi sono applicati all'apprendimento nelle reti neurali profonde.