Manusia dapat melakukan banyak tugas sekaligus (misalnya membaca sambil mendengarkan musik), tetapi kami menghafal informasi dari sumber yang kurang fokus dengan efisiensi yang lebih buruk daripada yang kami lakukan dari fokus atau tugas utama kami.
Apakah hal-hal seperti itu ada dalam kasus kecerdasan buatan? Saya ragu, misalnya, bahwa jaringan saraf memiliki karakteristik seperti itu, tetapi saya mungkin salah.
Jawaban:
Arsitektur CopyCat dari Douglas Hofstadter untuk menyelesaikan masalah analogi huruf-string sengaja dirancang untuk mempertahankan gagasan 'arti-penting' semantik yang diinformasikan secara semantik, yaitu dengan diberi berbagai kemungkinan yang bersaing, cenderung mempertahankan minat pada sesuatu yang paling menarik. Meskipun nilai arti dari (bagian dari) solusi pada akhirnya direpresentasikan secara numerik, cara yang ditentukan secara luas dimaksudkan untuk sesuai (setidaknya secara fungsional) dengan cara 'perhatian selektif' dapat beroperasi dalam kognisi manusia.
Konsentrasi, mungkin lebih mudah dipahami sebagai "fokus" atau "perhatian", memiliki cukup banyak riwayat dalam AI. Jawaban ini menyebutkan CopyCat, dan ada pekerjaan dengan jaringan saraf di tahun 80an juga (misalnya dari Fukushima , pencipta Neocognitron).
Baru-baru ini, perhatian dalam jaringan saraf mendapatkan momentum . Mekanisme diterapkan untuk belajar di jaringan saraf yang dalam.