Glem AlphaGo – DeepMind har et mere interessant skridt mod generel kunstig intelligens

AlphaGo og selvkørende biler er forbløffende kloge, men ingen af ​​dem repræsenterer et meget stort spring mod generel kunstig intelligens. Heldigvis er nogle AI-forskere ved at udvikle måder at udvide maskinintelligens på.

Forskerne hos DeepMind, som skabte den mesterlige Go-spillende robot AlphaGo, arbejder på en tilgang, der kan vise sig at være vigtig i bestræbelserne på at gøre maskiner så intelligente, som vi er.

I to papirer udgivet i denne uge og rapporteret ved Ny videnskabsmand, forskere ved datterselskabet Alphabet beskriver bestræbelser på at lære computere om relationel ræsonnement, en kognitiv evne, der er grundlæggende for menneskelig intelligens.

Enkelt sagt er relationel ræsonnement evnen til at overveje forhold mellem forskellige mentale repræsentationer, såsom objekter, ord eller ideer. Denne form for ræsonnement er både afgørende for menneskets kognitive udvikling og afgørende for at løse stort set ethvert problem.

De fleste eksisterende maskinlæringssystemer forsøger ikke at forstå forholdet mellem begreber. Et synssystem kan identificere en hund eller en kat på et billede, for eksempel, men det ved ikke, at hunden jagter katten.

De to systemer, der er udviklet hos DeepMind, løser det ved at modificere eksisterende maskinlæringsmetoder for at gøre dem i stand til at lære om fysiske relationer mellem statiske objekter, såvel som bevægelige objekters adfærd over tid.

De demonstrerer den første evne ved hjælp af CLEVR, et datasæt af simple objekter. Efter træning kan de spørge systemet, om en genstand er foran en anden, eller hvilken genstand der er tættest på. Deres resultater er dramatisk bedre end noget, der er opnået før, og i nogle tilfælde overstiger de endda menneskelig præstation.

I det andet papir viser forskerne, hvordan et tilsvarende modificeret maskinlæringssystem kan lære at forudsige simple objekters adfærd i to dimensioner. Vi laver den slags hele tiden i tre dimensioner, når vi for eksempel fanger en bold eller kører bil. Faktisk viser psykologiske eksperimenter, at mennesker anvender en intuitiv fysikmotor, når de forudsiger virkningerne af en handling på objekter. Det er meget mere sofistikeret og kraftfuldt end blot at genkende objekterne i en scene.

Selvom fremskridtene måske ikke er iøjnefaldende gennembrud, er de præcis den type forskning, der er behov for. Lige så imponerende som nutidens AI er, involverer det meste af det, at en maskine lærer at udføre en utrolig snæver opgave. Uden nye ideer vil AI-systemer forblive ude af stand til ting som at føre en rigtig samtale eller løse vanskelige problemer på egen hånd.

Sam Gershman , en professor i psykologi ved Harvard, som studerer intelligens, siger, at vi er nødt til at tænke på at efterligne menneskelig intelligens nærmere, hvis vi ønsker, at kunstig intelligens skal ligne vores egen.

Vores hjerner repræsenterer verden med hensyn til relationer mellem objekter, agenter og begivenheder, fortalte han MIT Technology Review via e-mail. At repræsentere verden på denne måde begrænser massivt den slags slutninger, vi drager fra data, hvilket gør det sværere at lære nogle ting og lettere at lære andre ting. Så i den forstand er dette arbejde et skridt i den rigtige retning: indbygning af menneskelignende begrænsninger, der gør det muligt for maskiner lettere at lære opgaver, der er naturlige for mennesker.

Gershman advarede dog mod at overvurdere betydningen af ​​DeepMind-arbejde. Supermenneskelig præstation på nogen bestemt maskinlæringsopgave indebærer ikke supermenneskelig intelligens, sagde han.

Relationel ræsonnement er også kun et element i menneskelig intelligens. Gershman og andre skrev et papir sidste år, der udforsker de andre aspekter af menneskelig intelligens, som i øjeblikket mangler fra AI. Udover at ræsonnere om relationer, for eksempel, bemærkede de, at mennesker er i stand til at sammensætte eller bygge nye ideer ud fra eksisterende viden for at løse problemer.

Relationel ræsonnement er en nødvendig, men ikke tilstrækkelig betingelse for menneskelignende intelligens, sagde Gershman.

(Læs mere: DeepMinds neurale netværk lærer AI at ræsonnere om verden )

skjule