Googles AI Guru siger, at stor kunstig intelligens skal bygge på neurovidenskab

Demis Hassabis ved en ting eller to om kunstig intelligens: han grundlagde den London-baserede AI-startup DeepMind, som blev købt af Google for 650 millioner dollars tilbage i 2014. Siden da har hans firma tørret gulvet med mennesker i det komplekse spil Go og begyndte at tage skridt til at skabe mere generelle AI'er.

Men nu er han kommet ud og sagde, at den eneste måde for kunstig intelligens at realisere sit sande potentiale er med en dosis inspiration fra menneskelig intellekt.

I øjeblikket er de fleste AI-systemer baseret på lag af matematik, der kun er løst inspireret af den måde, den menneskelige hjerne fungerer på. Men forskellige typer maskinlæring, såsom talegenkendelse eller identifikation af objekter i et billede, kræver forskellige matematiske strukturer, og de resulterende algoritmer er kun i stand til at udføre meget specifikke opgaver.

At bygge AI, der kan udføre generelle opgaver i stedet for nicheopgaver, er et langvarigt ønske i verden af ​​maskinlæring. Men sandheden er, at udvidelse af disse specialiserede algoritmer til noget mere alsidigt forbliver et utroligt vanskeligt problem, til dels fordi menneskelige egenskaber som nysgerrighed, fantasi og hukommelse ikke eksisterer eller kun er i deres vorden i AI-verdenen.

I et papir offentliggjort i dag i tidsskriftet Neuron , hævder Hassabis og tre medforfattere, at kun ved bedre at forstå menneskelig intelligens kan vi håbe på at skubbe grænserne for, hvad kunstige intellekter kan opnå.

For det første, siger de, vil en bedre forståelse af, hvordan hjernen fungerer, give os mulighed for at skabe nye strukturer og algoritmer til elektronisk intelligens. For det andet kunne erfaringer fra opbygning og test af banebrydende AI'er hjælpe os med bedre at definere, hvad intelligens egentlig er.

Papiret selv gennemgår historien om neurovidenskab og kunstig intelligens for at forstå interaktionerne mellem de to. Den hævder, at deep learning, som bruger lag af kunstige neuroner til at forstå input, og forstærkende læring, hvor systemer lærer ved at prøve og fejle, begge skylder neurovidenskab en hel del.

Men det påpeger også, at nyere fremskridt ikke har lænet sig så effektivt op af biologi, og at en generel intelligens vil have brug for mere menneskelignende egenskaber - såsom en intuitiv forståelse af den virkelige verden og mere effektive måder at lære på. Løsningen, hævder Hassabis og hans kolleger, er en fornyet udveksling af ideer mellem AI og neurovidenskab, [der] kan skabe en 'dydig cirkel', der fremmer målene for begge felter.

Hassabis er ikke alene om denne form for tænkning. Gary Marcus, professor i psykologi ved New York University og tidligere direktør for Ubers AI-laboratorium, har argumenteret for, at maskinlæringssystemer kunne forbedres ved at bruge ideer indsamlet ved at studere børns kognitive udvikling.

Alligevel vil det ikke være let at implementere disse resultater digitalt. Som Hassabis forklarer i et interview med Verge , kunstig intelligens og neurovidenskab er blevet til to meget, meget store felter, der er gennemsyret af deres egne traditioner, hvilket gør det ret svært at være ekspert i selv en af disse felter, endsige ekspert nok i begge til at du kan oversætte og finde sammenhænge mellem dem.

(Læs mere: Neuron , Randen , Googles efterretningsdesigner, Kan denne mand gøre AI mere menneskelig? )

skjule