En algoritme, der efterligner vores stammeinstinkter, kunne hjælpe AI med at lære at socialisere

Kategori: Kunstig intelligens Udsendt 22 jan

Mennesker er instinktivt stammevæsner. Når vi observerer interaktionen mellem mennesker omkring os, kan vi intuitivt udlede, hvem vi skal omgås, og hvem vi ikke bør. Dette lyder måske som et negativt instinkt, men det er faktisk det, der gør teamwork muligt. Forskere ved MIT tro på denne færdighed kan være en vigtig forudsætning for at skabe omgængelige AI-systemer, der kan samarbejde med os i vores daglige liv.

Ideen om at give maskiner social viden er ikke helt ny. Game-playing AI-agenter kræver også en forståelse af relationslandskabet for at vide, hvem de skal samarbejde og konkurrere med. Men de får disse forholdsstrukturer eksplicit inden for spillets regler, mens mennesker hurtigt kan samle dem op i tvetydige situationer.

Inspireret af denne evne udviklede forskerne en ny maskinlæringsalgoritme til at finde ud af forholdet mellem flere agenter gennem et begrænset antal observationer. De kørte derefter to eksperimenter for at teste algoritmens ydeevne. I den første skulle den udlede spillernes alliancer i et videospil ved at se flere sekvenser af spil. I det andet skulle det forudsige spillernes handlinger i det samme videospil for at se, om det virkelig forstod hver spillers motivation. Den var ikke trænet til nogen af ​​opgaverne.

I begge eksperimenter svarede algoritmens slutninger og forudsigelser tæt til menneskers vurderinger, hvilket viser dens evne til hurtigt at forstå sociale strukturer fra meget få data.

Denne historie dukkede oprindeligt op i vores AI-nyhedsbrev The Algorithm. For at få det leveret direkte til din indbakke, abonner her gratis.