Mężczyźni i aparaty

Latem 1955 r. kwartet czołowych amerykańskich matematyków – termin informatyk nie był jeszcze używany – zaproponował konferencję w Dartmouth College, aby zbadać temat, który nazwali sztuczną inteligencją. Badanie ma opierać się na przypuszczeniu, że każdy aspekt uczenia się lub jakakolwiek inna cecha inteligencji może być w zasadzie tak dokładnie opisana, że ​​można stworzyć maszynę do jej symulacji.

Tomaso Poggio

Miesięczną konferencję, która odbyła się w 1956 r., powszechnie uważa się za genezę badań nad sztuczną inteligencją. Trzech autorów propozycji — wynalazca LISP John McCarthy, pionier teorii informacji Claude Shannon, SM ’40, PhD ’40 i przyszły zdobywca nagrody Turinga Marvin Minsky – miało później uczyć na MIT. McCarthy i Minsky (który pozostaje na wydziale po 55 latach) założyli Laboratorium Sztucznej Inteligencji MIT.

Do roku 1967 postęp w technologii komputerowej był tak szybki, że Minsky w swojej książce Obliczenia: maszyny skończone i nieskończone , ośmieliłem się napisać, Jestem przekonany, że w ciągu jednego pokolenia niewiele przedziałów intelektu pozostanie poza domeną maszyny – problemy tworzenia „sztucznej inteligencji” zostaną zasadniczo rozwiązane.

Prognozy Minsky'ego były oczywiście zbyt optymistyczne. Okazuje się, że wygrywanie w szachach, które wcześni badacze AI uznali za paradygmatyczne zastosowanie inteligencji, jest znacznie łatwiejszym problemem obliczeniowym niż, powiedzmy, rozróżnianie wypowiadanych słów czy rozpoznawanie twarzy.

W latach 80. i 90., gdy trudności z replikacją ludzkiej inteligencji stały się jasne, sztuczna inteligencja zaczęła oznaczać coś zupełnie innego: praktyczne, specjalistyczne systemy komputerowe, często oparte na uczeniu maszynowym, które stosuje analizę statystyczną do ogromnej liczby przykładów szkoleniowych. Takie podejście dało nam systemy rozpoznawania głosu i automatyczne tłumacze tekstu.

Teraz naukowcy z MIT uważają, że nadszedł czas, aby ożywić wielkie ambicje AI, w nadziei na opracowanie zarówno lepszych terapii zaburzeń neurologicznych, jak i systemów komputerowych, które mogą przewidywać nasze potrzeby z ludzką intuicją. Wydaje się, że National Science Foundation się z tym zgadza. We wrześniu ogłosił grant w wysokości 25 milionów dolarów dla Center for Brains, Minds and Machines (CBMM), które ma siedzibę w MIT McGovern Institute for Brain Research. MIT dostarcza 12 głównych badaczy; sześć innych pochodzi z Harvardu, a pięć z innych instytucji.

CBMM jest kierowany przez Tomaso Poggio, profesora nauk o mózgu i ludzkich zachowań oraz głównego badacza w McGovern Institute oraz Computer Science and Artificial Intelligence Laboratory (CSAIL). Jego podwójne nominacje ilustrują główną przesłankę stojącą za nowym centrum: że poczynimy znacznie szybsze postępy w kierunku zrozumienia ludzkiej inteligencji, jeśli podejścia obliczeniowe, biologiczne i psychologiczne zostaną połączone, a nie będą badane w odosobnieniu.

Zamiast polegać tylko na informatyce, jak miało to miejsce 50 lat temu, to centrum jest naprawdę zakładem, że aby odtworzyć ludzką inteligencję, musisz lepiej zrozumieć mózg i funkcje poznawcze, mówi Poggio.

Patrick Winston, profesor na Wydziale Elektrotechniki i Informatyki oraz koordynator badań CBMM, dodaje, że technologie badania problemu znacznie się poprawiły w ostatnich latach. Po pierwsze, mówi Winston, przetwarzanie jest bezpłatne: bez względu na rodzaj obliczeń, które trzeba wykonać, można to zrobić. Po drugie, fMRI jest obecnie rutyną, mówi, odnosząc się do funkcjonalnego obrazowania metodą rezonansu magnetycznego, które można wykorzystać do badania aktywności mózgu. Wskazuje również na technologie, takie jak przezczaszkowa stymulacja magnetyczna, która może zakłócać aktywność docelowych obszarów mózgu podczas testów poznawczych, oraz optogenetyka, technika wykorzystująca światło do selektywnej aktywacji lub wyciszenia genetycznie zmodyfikowanych neuronów w mózgu. Optogenetykę zapoczątkował Ed Boyden ’99, MEng ’99, profesor Media Lab, który jest głównym badaczem w McGovern Institute i nowym ośrodku.

Badania w centrum są podzielone na kilka głównych tematów lub pchnięć: inteligencja wizualna, która obejmuje integrację wzroku, języka i umiejętności motorycznych; obwody inteligencji, które obejmą badania w dziedzinie neurobiologii i elektrotechniki; rozwój inteligencji; i inteligencja społeczna. Poggio, który jest jednym z głównych badaczy inteligencji wizualnej, będzie również kierował rozwojem platformy teoretycznej, mającej na celu powiązanie prac w innych obszarach.

W ramach każdego ciągu badacze CBMM pracują nad zdefiniowaniem zestawu pytań porównawczych, które mogą wykorzystać do oceny swoich postępów. Poggio podaje jeden przykład, który nawiązuje do jego własnej wcześniejszej pracy nad systemem wizualnym. Przedstawiony obrazem interakcji ludzi, inteligentny system komputerowy powinien być w stanie dostarczyć wiarygodnych odpowiedzi na pięć pytań, uporządkowanych od najłatwiejszego do najtrudniejszego: Co jest na obrazie? Kto w nim jest? Co ludzie robią? Kto co komu robi? A co dalej?

Niezmienniki
Teoretyczne ramy do zbadania wszystkich pytań dotyczących ludzkiej inteligencji są trudne. Jednak badania Poggia dotyczące odpowiedzi mózgu na pierwsze pytanie z jego listy dostarczają szkicu tego, jak taka struktura może wyglądać.

Rozpoznawanie obiektów — opracowywanie systemów komputerowych, które mogą odpowiedzieć na pytanie, co znajduje się na obrazie? — jest kwitnącym obszarem badań nad sztuczną inteligencją. Zazwyczaj systemy rozpoznawania obiektów wykorzystują niektóre rodzaje uczenia maszynowego. Istoty ludzkie oznaczają przykładowe obrazy, wskazując, gdzie pojawiają się obiekty, a system próbuje zidentyfikować pewne wspólne cechy, które mają wspólne ze wszystkimi obrazami obiektu. Mówi, że to bardzo różni się od uczenia się ludzi lub uczenia się zwierząt. Kiedy dziecko uczy się rozpoznawać niedźwiedzia lub lwa, nie chodzi o to, że trzeba mu pokazywać milion razy zdjęcia lwa, lwa i lwa. To bardziej jak dwa lub trzy razy.

Poggio uważa, że ​​w przeciwieństwie do systemów uczenia maszynowego, mózg musi reprezentować obiekty w sposób, który jest niezmienny: reprezentacja jest taka sama bez względu na to, jak duży wydaje się obiekt, gdzie się znajduje w polu widzenia i czy jest obrócony. Uważa też, że ma prawdopodobną teorię dotyczącą tego, z czego może składać się ta reprezentacja.

Teoria Poggia wymaga, aby mózg lub system komputerowy próbujący symulować mózg, przechowywał jeden szablon kilku obiektów podlegających każdemu typowi zmian — wielkości, lokalizacji i rotacji w płaszczyźnie. Mózg może na przykład przechowywać kilkadziesiąt obrazów ludzkiej twarzy śledzących obrót o 360°.

Nieznajomy obiekt byłby wówczas reprezentowany jako zbiór iloczynów skalarnych — standardowe obliczenia w algebrze liniowej — między jego obrazem a szablonami. Ta kolekcja pozostanie taka sama bez względu na rozmiar, lokalizację lub orientację obiektu.

Jedną z zalet tej teorii jest to, że iloczyn skalarny redukuje porównanie dwóch złożonych zestawów danych, takich jak obrazy wizualne, do jednej liczby. Kolekcje iloczynów skalarnych, nawet dla wielu szablonów, nie zajmowałyby dużo miejsca w pamięci. Innym argumentem, mówi Poggio, jest to, że iloczyny skalarne są jednym z najłatwiejszych, być może najłatwiejszych obliczeń dla neuronów.

W eksperymentach system Poggio może nie przewyższać systemów uczenia maszynowego. Ale wymaga znacznie mniej przykładów treningowych, co sugeruje, że lepiej odtwarza to, co robi mózg. A w przypadku większości zadań obliczeniowych podejście mózgu zwykle okazuje się lepsze.

Poggio wierzy, że kolekcje produktów kropkowych mogą również zakotwiczyć bardziej abstrakcyjne koncepcje. Szablony zawierające różne kształty skupisk obiektów — ułożone jak kropki na kostce, w linii lub w kole — mogą podtrzymywać pojęcie liczby; szablon równoległych linii widzianych z różnych perspektyw może wiązać się z pojęciami równoległości lub perspektywy. Może być więcej interesujących rzeczy do odkrycia, mówi.

Rozmyte myślenie
Podobnie jak Poggio, Josh Tenenbaum jest profesorem na Wydziale Nauk o Mózgu i Kognitywnych (BCS) oraz głównym badaczem w CSAIL. Chociaż kieruje kierunkiem rozwoju CBMM, który koncentruje się na intuicyjnym zrozumieniu fizyki, które demonstrują nawet małe dzieci, przeprowadził również badania, które mogą przyczynić się do prac teoretycznych, którymi kieruje Poggio.

Najwcześniejsze badania nad sztuczną inteligencją, wyjaśnia Tenenbaum, skupiały się na zbudowaniu języka matematycznego, który mógłby kodować twierdzenia, takie jak ptaki potrafią latać, a gołębie to ptaki. Badacze myśleli, że gdyby język był wystarczająco rygorystyczny, algorytmy komputerowe byłyby w stanie przeczesać zapisane w nim twierdzenia i obliczyć wszystkie logicznie ważne wnioski.

Jednak zrozumienie twierdzeń językowych wymagało znacznie więcej informacji ogólnych, niż oczekiwano. Na przykład nie wszystkie ptaki potrafią latać. A wśród ptaków, które nie potrafią latać, istnieje rozróżnienie między rudzikiem w klatce a rudzikiem ze złamanym skrzydłem, a także inne rozróżnienie między każdym rudzikiem a pingwinem. Ręczne kodowanie wystarczającej liczby tych zdroworozsądkowych wyjątków, aby umożliwić nawet najbardziej podstawowe typy wnioskowania, okazało się zbyt czasochłonne.

W przeciwieństwie do tego, w przypadku uczenia maszynowego komputer otrzymuje wiele przykładów czegoś i musi sam wywnioskować, co te przykłady mają wspólnego. (Mając milion obrazów lwa, algorytm uczenia maszynowego może określić ilościowo własne domysły: 77 procent obrazów z tymi cechami wizualnymi to obrazy lwów). Ale chociaż to podejście może działać całkiem dobrze w przypadku jasno określonych problemów — powiedzmy, identyfikacji obrazów ptaków — ma problem z bardziej abstrakcyjnymi pojęciami, takimi jak lot, zdolność dzielona przez ptaki, helikoptery, latawce i superbohaterowie. A nawet lot jest konkretną koncepcją w porównaniu, powiedzmy, z gramatyką czy macierzyństwem.

Tenenbaum i jego uczniowie opracowali nowy typ narzędzia zwany probabilistycznym językiem programowania, który łączy to, co najlepsze w starej i nowej sztucznej inteligencji. Podobnie jak wczesne języki AI, zawiera zasady wnioskowania. Ale te zasady są probabilistyczne. Powiedziane, że kazuar jest ptakiem, program napisany w języku Tenenbauma może wywnioskować, że kazuary prawdopodobnie potrafią latać. Ale jeśli program zostanie poinformowany, że kazuary mogą ważyć prawie 200 funtów, może skorygować swoje prawdopodobieństwo w dół.

W dwóch wcześniejszych epokach sztucznej inteligencji największą różnicą były symbole i statystyki, mówi Tenenbaum. Jedną z rzeczy, które odkryliśmy po stronie matematyki, jest to, jak je połączyć, jak wnioskować statystycznie i wnioskować probabilistycznie [z] tymi symbolicznymi językami.

Czytanie ludzi
Drugie z pięciu pytań porównawczych Poggia – Kto jest na obrazie? – od dawna jest związane z pracą profesor BCS Nancy Kanwisher, która jest najbardziej znana z wykorzystywania funkcjonalnego MRI do identyfikacji i analizy obszaru mózgu poświęconego percepcji twarzy.

Kanwisher kieruje działem inteligencji społecznej CBMM, który postrzega jako naturalne przedłużenie jej wcześniejszej pracy. Kiedy patrzysz na twarz, interesujesz się czymś więcej niż tylko podstawowymi danymi demograficznymi, takimi jak konkretna osoba, czy jest to mężczyzna czy kobieta, ile ma lat, mówi. Możesz powiedzieć nie tylko, czy dana osoba jest szczęśliwa czy smutna, ale czy jest asertywna czy niepewna, czy jest żywiołowa czy pasywna – istnieje bogata przestrzeń rzeczy, które możemy zobaczyć na twarzy z bardzo krótkiego spojrzenia.

Podobnie, mówi Kanwisher, ludzie mogą wiele wywnioskować o ludzkich nastrojach, intencjach i relacjach z innymi na podstawie mowy ciała – co ma tę zaletę, że jest podatny na modelowanie obliczeniowe. Wskazuje również na pracę nieżyjącego już Naliniego Ambady, psychologa społecznego z Uniwersytetu Stanforda, który opracował teorię sądów cienkowarstwowych.

Kanwisher mówi, że nagrała na wideo TA kursów na Harvardzie nauczających przed ich klasami na początku semestru. Następnie pokazała bardzo krótkie fragmenty tych filmów osobom biorącym udział w eksperymentach psychologicznych i powiedziała: „Oceń skuteczność tego nauczyciela”. Mają tylko kilka sekund, kiedy osoba przed salą rozmawia z klasą – nie nawet usłyszeć, co mówią. Odkryła, że ​​te oceny były silnie skorelowane z ocenami rzeczywistych uczniów tej osoby.

Jak mówi Kanwisher, pierwszym projektem z zakresu inteligencji społecznej CBMM będzie zaprojektowanie zestawu zadań eksperymentalnych, które pozwolą naukowcom określić ilościowo ludzką percepcję społeczną. Gdy badacze ustalą punkt odniesienia, mogą badać takie rzeczy, jak rozwój wykonywania zadań w dzieciństwie lub jak wydajność dzieci autystycznych różni się od innych dzieci. Mogli również zidentyfikować regiony mózgu zaangażowane w percepcję społeczną za pomocą fMRI do pomiaru aktywności nerwowej lub przezczaszkowej stymulacji magnetycznej w celu zakłócenia wydajności. Po zebraniu wszystkich tych danych spróbują modelować obliczeniowo, co dokładnie robi mózg.

Śledź historię
Późniejsze pytania na liście Poggia: Kto co komu robi? i Co dalej? — zafascynuj Patricka Winstona. Uważa, że ​​cechą definiującą ludzką inteligencję jest umiejętność opowiadania i rozumienia historii. Ta umiejętność odgrywa nawet rolę w etykietowaniu obrazów. Jak lubi podkreślać Winston, człowiek zidentyfikuje obraz mężczyzny trzymającego szklankę przy ustach jako człowieka pijącego. Jeśli mężczyzna trzyma szklankę kilka cali dalej, wznosi toast. Ale człowiek zidentyfikuje również obraz kota odwracającego głowę, aby złapać kilka kropli wody z kranu, jako przykład picia. Musisz myśleć o tym, co widzisz tam jako historię, mówi Winston. Dostają tę samą etykietę, ponieważ to ta sama historia, a nie dlatego, że wygląda tak samo.

To jeden z powodów, dla których warto poświęcić badania na integrację wizji, języka oraz umiejętności społecznych i motorycznych. Aby zilustrować inny powód, Winston wskazuje na eksperyment przeprowadzony przez psycholog rozwoju Elizabeth Spelke, byłą członkinię wydziału MIT, która obecnie pracuje na Harvardzie i jest jednym z głównych badaczy w kierunku rozwoju. Spelke był zaintrygowany eksperymentami, w których naukowcy umieścili szczury na obrotowej platformie na środku pokoju. Jedzenie było widocznie umieszczone w jednym rogu pokoju, ale potem zamaskowane. W pozostałych trzech rogach umieszczono identyczne maski, a platformę obrócono. Spelke postanowił rozszerzyć to badanie na ludzkie dzieci i dorosłych, ukrywając zabawkę lub kółko z kluczami zamiast jedzenia.

Ze wszystkimi zwierzętami, dziećmi i dorosłymi, po zatrzymaniu rotacji, badany z równym prawdopodobieństwem udałby się albo do rogu z zamaskowanym obiektem, albo do tego, który znajdował się po przekątnej od niego, który miał ten sam związek z badanym. Obie grupy badaczy również urozmaicały eksperyment, malując innym kolorem jedną ze ścian przylegających do narożnika, w którym znajdował się przedmiot. Zwierzęta i małe dzieci nadal z równym prawdopodobieństwem wybierały albo właściwy róg, albo ten naprzeciwko, ale dorośli mogli teraz niezawodnie odzyskać przedmiot.

Oto, gdzie robi się ciekawie. Jeśli dorośli zostali poproszeni o wysłuchanie fragmentu tekstu i wyrecytowanie go przed udaniem się do obiektu, powrócili do pomieszania diametralnie przeciwległych rogów. Słyszenie i recytowanie tekstu pochłania ludzki procesor języka, a to redukuje go do poziomu szczura, mówi Winston. Potem powiedzą: „Tak, widziałem niebieską ścianę, ale nie mogłem jej całkiem użyć”.

Udzielenie odpowiedzi na pytania najwyższego poziomu na listach punktów odniesienia badaczy CBMM prawdopodobnie potrwa znacznie dłużej niż pięć lat początkowego grantu NSF. Ale, jak mówi Poggio, czas spróbować ponownie. Minęło 50 lat. Nie wiemy, czy tym razem zadziała. Ale jeśli nie spróbujemy, nie będziemy wiedzieć.

ukryć