Zapomnij o AlphaGo — DeepMind ma ciekawszy krok w kierunku ogólnej sztucznej inteligencji

AlphaGo i autonomiczne samochody są niesamowicie sprytne, ale żadne z nich nie stanowi dużego skoku w kierunku ogólnej sztucznej inteligencji. Na szczęście niektórzy badacze AI opracowują sposoby poszerzania inteligencji maszyn.

Naukowcy z DeepMind, który stworzył mistrza robota grającego w Go, AlphaGo, pracują nad podejściem, które może okazać się istotne w dążeniu do uczynienia maszyn tak inteligentnymi jak my.

w dwa dokumenty tożsamości opublikowane w tym tygodniu i zgłoszone za pomocą Nowy naukowiec, naukowcy z filii Alphabet opisują wysiłki mające na celu nauczenie komputerów rozumowania relacyjnego, zdolności poznawczej, która jest podstawą ludzkiej inteligencji.

Mówiąc najprościej, rozumowanie relacyjne to zdolność do rozważenia relacji między różnymi reprezentacjami mentalnymi, takimi jak przedmioty, słowa lub idee. Ten rodzaj rozumowania jest zarówno kluczowy dla rozwoju poznawczego człowieka, jak i niezbędny do rozwiązania niemal każdego problemu.

Większość istniejących systemów uczenia maszynowego nie próbuje zrozumieć związku między pojęciami. System wizyjny może na przykład zidentyfikować psa lub kota na zdjęciu, ale nie wie, że pies goni kota.

Dwa systemy opracowane w DeepMind rozwiązują ten problem, modyfikując istniejące metody uczenia maszynowego, aby umożliwić im poznawanie fizycznych relacji między obiektami statycznymi, a także zachowanie poruszających się obiektów w czasie.

Demonstrują pierwszą możliwość za pomocą CLEVR, zestawu danych prostych obiektów. Po przeszkoleniu mogą zapytać system, czy jeden obiekt znajduje się przed drugim lub który obiekt jest najbliżej. Ich wyniki są znacznie lepsze niż wszystko, co osiągnięto wcześniej, a w niektórych przypadkach nawet przewyższają ludzkie możliwości.

W drugim artykule naukowcy pokazują, jak podobnie zmodyfikowany system uczenia maszynowego może nauczyć się przewidywać zachowanie prostych obiektów w dwóch wymiarach. Robimy takie rzeczy cały czas w trzech wymiarach, na przykład łapiąc piłkę lub prowadząc samochód. W rzeczywistości eksperymenty psychologiczne pokazują, że ludzie wykorzystują intuicyjny silnik fizyczny do przewidywania skutków działania na obiektach. Jest to o wiele bardziej wyrafinowane i potężne niż zwykłe rozpoznawanie obiektów w scenie.

Chociaż postępy mogą nie być przełomowymi odkryciami, są dokładnie tym rodzajem badań, które są potrzebne. Choć dzisiejsza sztuczna inteligencja jest imponująca, większość z nich polega na tym, że maszyna uczy się wykonywać niewiarygodnie wąskie zadanie. Bez nowych pomysłów systemy AI pozostaną niezdolne do prowadzenia prawdziwej rozmowy lub samodzielnego rozwiązywania trudnych problemów.

Sam Gershman , profesor psychologii na Harvardzie, który studiuje inteligencję, mówi, że jeśli chcemy, aby sztuczna inteligencja przypominała naszą, musimy lepiej naśladować ludzką inteligencję.

Nasze mózgi reprezentują świat w kategoriach relacji między przedmiotami, agentami i zdarzeniami, powiedział Przegląd technologii MIT poprzez e-mail. Reprezentowanie świata w ten sposób masowo ogranicza rodzaje wniosków, jakie wyciągamy z danych, co utrudnia naukę niektórych rzeczy i ułatwia naukę innych. W tym sensie ta praca jest krokiem we właściwym kierunku: budowaniem podobnych do ludzkich ograniczeń, które umożliwiają maszynom łatwiejsze uczenie się zadań, które są naturalne dla ludzi.

Jednak Gershman ostrzegł przed przecenianiem znaczenia pracy DeepMind. Powiedział, że nadludzka wydajność w jakimkolwiek konkretnym zadaniu uczenia maszynowego nie oznacza nadludzkiej inteligencji.

Rozumowanie relacyjne jest również tylko jednym z elementów ludzkiej inteligencji. Gershman i inni pisali papier w zeszłym roku, który bada inne aspekty ludzkiej inteligencji, których obecnie brakuje w sztucznej inteligencji. Oprócz wnioskowania o związkach, na przykład, zauważyli, że ludzie są zdolni do kompozycyjności lub budowania nowych pomysłów na podstawie istniejącej wiedzy w celu rozwiązywania problemów.

Rozumowanie relacyjne jest koniecznym, ale niewystarczającym warunkiem inteligencji podobnej do człowieka, powiedział Gershman.

(Czytaj więcej: Sieć neuronowa DeepMind uczy sztuczną inteligencję rozumowania o świecie )

ukryć