Algorytm Pathways będzie w stanie reagować na informacje pochodzące z wielu różnych źródeł, takich jak tekst, mowa czy przekaz graficzny. Mówiąc obrazowo, algorytm taki będzie na przykład reagować w identyczny sposób na wyświetlony mu tekst pies, na przekaz audio, czyli wypowiedziane głośno słowo pies, czy odgłos wydawany przez psa - szczekanie lub warknięcie, jak również na film przedstawiający biegnącego psa.

Wielozadaniowość polega tu na tym, że we wszystkich trzech przypadkach sztuczna inteligencja rozpozna, iż jest to za każdym razem ten sam obiekt. Model taki będzie tym samym odporny na przekłamania i próby ingerowania w proces uczenia się, co zdarza się z przypadku stosowania modeli jednozadaniowych.

Zobacz również:

• Microsoft zapowiada nową linię małych modeli językowych AI
• Oficjalna premiera modelu Llama 3
• Cyfrowa transformacja z AI - co nowego na Google Cloud Next 24

Tak więc Pathways może znakomicie usprawnić proces uczenia maszynowego i spowodować, że sztuczna inteligencja będzie w stanie rozwiązywać bardziej złożone i kompleksowe problemy. Pathways ma przy tym nie tylko większą zdolność uczenia się, ale także jest to wyjątkowo energooszczędne rozwiązanie, co wynika z faktu, że w procesie rozpoznawania różnych odbieranych bodźców biorą udział poszczególne części algorytmu, angażując przez to mniej zasobów IT.

Tym samym model ten umożliwi jednemu systemowi sztucznej inteligencji uogólnianie tysięcy lub milionów zadań, rozumienie różnych typów danych i robienie tego z niezwykłą wydajnością. Era jednozadaniowych modeli uczenia się sztucznej inteligencji odchodzi tym samym do lamusa, ustępując miejsca takim modelom jak Pathways, których zdolności poznawcze są nieporównywalnie większe i które odzwierciedlają głębsze zrozumienie otaczającego nas świata.