Zhejiang Üniversitesi'nden araştırmacılar, model kategorilendirmesini geliştirmek için insan beyin sinyallerinden yararlanan yeni bir yapay zeka eğitim yöntemi tanıttılar; bu yöntem Nature Communications dergisinde yayımlanan bir makalede detaylandırıldı. Çalışma, model parametrelerinin artırılmasının belirli nesnelerin tanınmasını iyileştirdiğini, ancak soyut kavramların anlaşılmasını artırmadığını, hatta engelleyebileceğini ortaya koyuyor. Sinirsel aktivite verilerini entegre ederek, ekip yapay zeka modellerini insan bilişsel yapılarıyla daha yakından hizalamayı ve kavramları genelleme ve kategorize etme yeteneklerini geliştirmeyi amaçlıyor. Önerilen yöntem, özellikle soyut kavram tanıma gerektiren görevlerde yapay zeka performansında önemli iyileşmeler gösterdi. Deneyler, minimal örneklerle soyut kavramları ayırt etmede %20,5'lik bir gelişme sağladı ve daha büyük modelleri geride bıraktı. Bu yaklaşım, model boyutlarını büyütme eğilimine meydan okuyarak, insan benzeri düşünme yeteneklerine sahip yapay zeka geliştirmede yapılandırılmış bilişsel hizalamanın salt ölçekten daha etkili olabileceğini öne sürüyor.