211service.com
Guru AI firmy Google mówi, że wspaniała sztuczna inteligencja musi opierać się na neuronauce
Demis Hassabis wie co nieco o sztucznej inteligencji: założył londyński startup AI DeepMind , który został kupiony przez Google za 650 milionów dolarów w 2014 roku. Od tego czasu jego firma wytarła podłogę z ludźmi w złożonej grze Go i zaczął robić kroki w kierunku tworzenia bardziej ogólnych AI.
Ale teraz ujawnił się i powiedział, że wierzy, że jedynym sposobem, w jaki sztuczna inteligencja może zrealizować swój prawdziwy potencjał, jest dawka inspiracji ludzkim intelektem.
Obecnie większość systemów AI opiera się na warstwach matematyki, które są jedynie luźno inspirowane sposobem działania ludzkiego mózgu. Jednak różne rodzaje uczenia maszynowego, takie jak rozpoznawanie mowy czy identyfikacja obiektów na obrazie, wymagają różnych struktur matematycznych, a powstałe algorytmy są w stanie wykonać tylko bardzo konkretne zadania.
Budowanie sztucznej inteligencji, która może wykonywać zadania ogólne, a nie niszowe, jest od dawna pożądanym celem w świecie uczenia maszynowego. Ale prawda jest taka, że rozszerzenie tych wyspecjalizowanych algorytmów na coś bardziej wszechstronnego pozostaje niezwykle trudnym problemem, po części dlatego, że ludzkie cechy, takie jak dociekliwość, wyobraźnia i pamięć, nie istnieją lub są dopiero w powijakach w świecie sztucznej inteligencji.
W gazecie opublikowany dzisiaj w czasopiśmie Neuron Hassabis i trzej współautorzy twierdzą, że tylko dzięki lepszemu zrozumieniu ludzkiej inteligencji możemy mieć nadzieję na przesunięcie granic tego, co może osiągnąć sztuczny intelekt.
Po pierwsze, lepsze zrozumienie działania mózgu pozwoli nam stworzyć nowe struktury i algorytmy inteligencji elektronicznej. Po drugie, wnioski wyciągnięte z tworzenia i testowania najnowocześniejszych AI mogą pomóc nam lepiej zdefiniować, czym naprawdę jest inteligencja.
Sam artykuł przedstawia historię neuronauki i sztucznej inteligencji, aby zrozumieć interakcje między nimi. Twierdzi, że głębokie uczenie, które wykorzystuje warstwy sztucznych neuronów do zrozumienia danych wejściowych, oraz uczenie ze wzmocnieniem, w którym systemy uczą się metodą prób i błędów, wiele zawdzięczają neuronauce.
Wskazuje jednak również, że nowsze osiągnięcia nie opierały się tak skutecznie na biologii, a ogólna inteligencja będzie potrzebować więcej cech podobnych do ludzkich — takich jak intuicyjne rozumienie rzeczywistego świata i wydajniejsze sposoby uczenia się. Rozwiązaniem, jak twierdzą Hassabis i jego koledzy, jest odnowiona wymiana pomysłów między sztuczną inteligencją a neuronauką, która może stworzyć „koło sukcesu” na rzecz realizacji celów obu dziedzin.
Hassabis nie jest osamotniony w tego rodzaju myśleniu. Gary Marcus, profesor psychologii na Uniwersytecie Nowojorskim i były dyrektor laboratorium sztucznej inteligencji Ubera, twierdzi, że systemy uczenia maszynowego można ulepszyć, wykorzystując pomysły zebrane podczas badania rozwoju poznawczego dzieci.
Mimo to wdrożenie tych ustaleń cyfrowo nie będzie łatwe. Jak wyjaśnia Hassabis w wywiad z The Verge , sztuczna inteligencja i neuronauka stały się dwiema bardzo, bardzo dużymi dziedzinami, które są przesiąknięte własnymi tradycjami, co sprawia, że dość trudno jest być ekspertem nawet w jeden z tych dziedzin, a co dopiero na tyle eksperta w obu, że możesz tłumaczyć i znajdować powiązania między nimi.
(Czytaj więcej: Neuron , Pogranicze , projektant analizy Google , Czy ten człowiek może uczynić sztuczną inteligencję bardziej ludzką? )