Hvordan Google planlægger at løse kunstig intelligens

Polstrede vægge, dyster belysning og et loft med blomstertapet. Det ligner ikke et sted at gøre banebrydende opdagelser, der ændrer samfundets bane. Men i disse simulerede, klaustrofobiske korridorer tror Demis Hassabis, at han kan lægge grundlaget for software, der er smart nok til at løse menneskehedens største problemer.

Vores mål er meget stort, siger Hassabis, hvis ligevægtige facon kan skjule hans idéers frækhed. Han leder et team på omkring 200 dataloger og neurovidenskabsmænd hos Googles DeepMind, den London-baserede gruppe bag AlphaGo-softwaren, der besejrede en verdensmester på Go i en fem-spils serie tidligere på måneden, hvilket satte en milepæl inden for databehandling.

Det formodes blot at være et tidligt kontrolpunkt i en indsats, som Hassabis beskriver som Apollo-programmet for kunstig intelligens, rettet mod at løse intelligens og derefter bruge det til at løse alt andet. Det, der passer til smart software i dag, er specialiseret til en bestemt opgave - f.eks. genkende ansigter. Hassabis ønsker at skabe, hvad han kalder generel kunstig intelligens – noget, der ligesom et menneske kan lære at påtage sig næsten enhver opgave. Han forestiller sig, at det gør ting så forskelligartede som at fremme medicinen ved at formulere og teste videnskabelige teorier og gå rundt i agile robotkroppe.

At gøre det vil kræve, at DeepMinds software udforsker ud over Gos ordnede verden af ​​sorte og hvide sten. Den skal have styr på den rodede virkelige verden – eller til at begynde med en dyster, pixeleret tilnærmelse af den. DeepMinds simulerede verden kaldes Labyrinth, og virksomheden bruger den til at konfrontere sin software med stadig mere komplekse opgaver, såsom at navigere i labyrinter. Det burde skubbe DeepMinds forskere til at lære, hvordan man bygger endnu smartere software, og skubbe softwaren til at lære, hvordan man tackler sværere beslutninger og problemer. De gør dette ved at bruge de teknikker, der er vist i AlphaGo og tidligere DeepMind-software, der lærte at spille 1980'er-vintage Atari-spil såsom Space Invaders bedre end et menneske kunne. Men for at lykkes bliver Hassabis også nødt til at opfinde sin vej uden om nogle langvarige udfordringer inden for kunstig intelligens.

Selvforbedring

Hassabis, 39, har arbejdet med spørgsmålet om, hvordan man skaber intelligens i store dele af sit liv. Et skakvidunder, der afsluttede gymnasiet tidligt for at etablere en succesfuld karriere i videospilindustrien, han fik senere en ph.d. i neurovidenskab og offentliggjorde højprofileret forskning om hukommelse og fantasi.

Hassabis var med til at stifte DeepMind i 2010 for at overføre noget af det, han lærte om biologisk intelligens, til maskiner. Virksomheden afslørede software, der lærte at mestre Atari-spil i december 2013, og tidligt i 2014 blev det købt af Google for et beløb, der blev rapporteret til 400 millioner pund, mere end 600 millioner dollars på det tidspunkt (se Googles Intelligence Designer). DeepMind ekspanderede hurtigt, ansatte snesevis flere forskere og udgav snesevis af artikler i førende maskinlærings- og kunstig intelligens-konferencer. I januar afslørede den eksistensen af ​​AlphaGo, og at den havde besejret Europas bedste Go-spiller i oktober 2015. AlphaGo slog en 18-dobbelt verdensmester, Lee Sedol, tidligere på måneden (se Five Lessons from AlphaGo’s Historic Victory).

Demis Hassabis leder en gruppe i Google, der sigter på at 'løse efterretninger'.

Atari-spil og Go er meget forskellige, men DeepMind tacklede dem begge ved at bruge den samme tilgang, løst inspireret af den måde, dyr kan læres nye tricks ved hjælp af belønninger og straffe fra en træner. I forstærkningslæring, som det kaldes, er software programmeret til at udforske et nyt miljø og justere dets adfærd for at øge en form for virtuel belønning.

DeepMinds Atari-software var for eksempel kun programmeret med evnen til at kontrollere og se spilskærmen og en trang til at øge scoren. For dusinvis af titler er et par timers øvelse nok til, at softwaren kan trække sig op af sine egne bootstraps og slå en menneskelig ekspert.

AlphaGo kombinerer forstærkningslæring med andre komponenter, såsom et system, der lærte at evaluere mulige træk ved at analysere titusinder af brætpositioner fra spil af ekspert Go-spillere, og en søgemekanisme, der udvælger de mest lovende træk. Men det var forstærkningslæring, der gjorde det muligt for AlphaGo at piske sig selv i verdensmester-slående form ved at spille mod sig selv millioner af gange.

Hassabis mener, at forstærkningslæringstilgangen er nøglen til at få maskinlæringssoftware til at gøre meget mere komplekse ting end de tricks, den udfører for os i dag, såsom at transskribere vores ord eller forstå indholdet af billeder. Vi synes ikke bare at observere er nok til intelligens, man skal også handle, siger han. I sidste ende er det den eneste måde, du virkelig kan forstå verden på.

DeepMinds 3-D-miljø Labyrinth, bygget på en open source-klon af first-person-shooter Quake , er designet til at give de næste trin til at bevise denne idé. Virksomheden har allerede brugt det til at udfordre agenter med et spil, hvor de skal udforske tilfældigt genererede labyrinter i 60 sekunder, vinde point for at samle æbler eller finde en udgang (hvilket fører til en anden tilfældigt genereret labyrint). Fremtidige udfordringer kan kræve mere kompleks planlægning - for eksempel at lære, at nøgler kan bruges til at åbne døre. Virksomheden vil også teste software på andre måder og overvejer at tage på sig videospillet Starcraft og endda poker. Men at stille sværere og sværere udfordringer inde i Labyrinth vil være en stor forskningstråd i nogen tid, siger Hassabis. Det skal være godt de næste par år, siger han.

Andre virksomheder og forskere, der arbejder med kunstig intelligens, vil følge nøje med. Succesen med DeepMinds forstærkende læring har overrasket mange maskinlæringsforskere. Teknikken blev etableret i 1980'erne og har ikke vist sig at være så vidt anvendelig eller meget kraftfuld som andre måder at træne software på, siger Peter søndage , en professor, der arbejder med maskinlæring ved University of Washington. DeepMind styrkede den ærværdige teknik ved at kombinere den med en metode kaldet deep learning, som for nylig har produceret store fremskridt i, hvor godt computere kan afkode information såsom billeder og udløste et nyligt boom i maskinlæringsteknologi (se 10 Breakthrough Technologies 2013: Deep Learning ).

Det, DeepMind har gjort, er imponerende, siger Domingos. Men han siger også, at det er for tidligt at sige, om det, Hassabis mener er en raketmotor, der kan flyve langt ud over dagens resultater, i virkeligheden ikke er et baggårdsfyrværkeri - den seneste række af imponerende resultater holder måske ikke. Demis' optimisme om forstærkende læring er ikke retfærdiggjort af dens track record hidtil, siger Domingos. Fremskridt er ikke lineært inden for maskinlæring og kunstig intelligens; vi har sprøjt af fremskridt og derefter lange perioder med langsom fremgang.

Hassabis anerkender, at mange mennesker i hans felt tvivler på forstærkningslærings potentiale, men siger, at de vil blive vundet. Jo længere vi kommer med det her, jo mere føler vi, at vores speciale er korrekt, og jeg tror, ​​vi ændrer hele feltet, siger han. Efter vores opfattelse vil forstærkningslæring blive lige så stor som dyb læring i de næste to eller tre år.

Sikkerhed først

DeepMinds resultater hidtil kan retfærdiggøre Hassabis' påstand om, at forstærkende læring snart vil finde mange nyttige anvendelser. AlphaGos sejr overraskede professionelle Go-spillere og dataloger, fordi spillet er for komplekst til at blive tacklet af software, der primært er afhængig af at beregne de mulige resultater af forskellige træk, metoden som IBM's DeepBlue brugte til at besejre verdensskakmesteren Garry Kasparov i 1997. I gennemsnit en skakspiller har 35 mulige træk hver tur; i Go er der 250. Der er flere mulige Go-positioner, end der er atomer i universet. Skak er et regnespil, siger Hassabis. Go er for kompleks, så spillerne bruger deres intuition. Det er helt anderledes i klassen. Du kan tænke på AlphaGo som overmenneskelig intuition i stedet for overmenneskelig beregning.

World Go-mester Lee Sedol anmelder et spil under sit 4-1-serie-nederlag til DeepMinds AlphaGo-software.

Uanset om du er enig i, at AlphaGo udviser intuition, kan det helt klart være nyttigt at gøre det muligt for software at mestre mere komplekse opgaver. DeepMind er arbejder med U.K.'s National Health Service på et projekt, der har til formål at træne software til at hjælpe medicinsk personale med at opdage tegn på nyreproblemer, der almindeligvis overses og forårsager et stort antal undgåelige dødsfald. Gruppen arbejder også med forretningsafdelinger af Google, hvor, siger Hassabis, hans teknologi kan dukke op i virtuelle assistenter eller forbedre anbefalingssystemer, som er afgørende for produkter som YouTube (lignende systemer driver også nogle af Googles reklameprodukter).

Ser man længere frem, vil DeepMind have brug for mange gennembrud for at blive ved med at bevæge sig mod Hassabis' mål om at løse intelligens, selv i de næste par års eksperimenter inde i Labyrinth. En af de mest kritiske manglende brikker er et trick kaldet chunking, som menneske- og dyrehjerner bruger til at håndtere verdens kompleksitet. Hassabis forklarer det ved at bruge eksemplet med at skulle til lufthavnen. Du kan forestille dig, hvordan du kommer dertil og udføre den plan uden at skulle overveje præcis, hvor du skal placere dine fødder, når du går hen til døren, hvordan du drejer dets håndtag eller kontrollerer hvert ryk i dine muskelfibre. Vi kan planlægge og tage handlinger ved at arbejde med koncepter på højt niveau, der skjuler mange detaljer, og tilpasse os nye situationer ved at kombinere de bidder eller koncepter, vi allerede kender. Det er nok et af de mest kerneproblemer, der er tilbage i AI, siger Hassabis.

Det er et problem, der arbejdes på af mange forskningsgrupper, herunder andre inden for Google. Men en usædvanlig måde, DeepMind håber at løse det på, er ved at studere rigtige hjerner. Virksomheden har et team af neurovidenskabsmænd ledet af en fremtrædende forsker, Matthew Botvinick, som indtil slutningen af ​​sidste år var Princeton-professor. I modsætning til de fleste neurovidenskabelige forskning er dens eksperimenter rettet lige så meget mod at informere om, hvordan DeepMind designer software, som at afsløre, hvordan hjernen fungerer.

Et nyligt eksperiment testede en teori fra Hassabis om den måde, menneskets hjerner organiserer koncepter, ved hjælp af en standardprocedure der skaber falske minder . Det går ud på at præsentere testpersoner for en liste over relaterede ord, for eksempel kulde, sne og is. Folk husker ofte fejlagtigt også at have hørt andre relaterede ord, såsom vinter.

DeepMind-medarbejdere under kampen med Sedol i Seoul tidligere på måneden.

Med min maskinlæringshat på tænkte jeg, at det måtte være et kæmpe fingerpeg om, hvordan den slags konceptuelle informationer er organiseret i hjernen, siger Hassabis. DeepMind-teamet udarbejdede en teori om, hvordan hjernens forreste tindingelap arbejder med begreber, og bekræftede dens forudsigelser ved at se hjernen hos mennesker, der udfører hukommelsesopgaven inde i en scanner. Resultaterne kan hjælpe med at ændre, hvordan DeepMind designer sine kunstige neurale netværk til at repræsentere information.

Andre ting på DeepMinds to discover-liste inkluderer en måde at kombinere forskning, den har lavet om software for at forstå betydningen af ​​tekst med dens arbejde med agenter, der strejfer inde i Labyrinth - en mulighed er at begynde at sætte skilte op i det virtuelle rum. Hassabis siger, at han også planlægger en ambitiøs måde at teste agenter på, når de er klar til en mere realistisk verden end Labyrinth. På et tidspunkt ønsker han at se DeepMind-software tage kontrol over robotter, som han siger er holdt tilbage af softwarens manglende evne til at forstå verden. Der er fantastiske robotter rundt omkring, som ikke kan bruges til deres fulde kapacitet, fordi algoritmerne ikke er der, siger han.

Succes kan rejse nogle svære filosofiske og etiske spørgsmål om, hvad det vil sige at være menneske, og de acceptable anvendelsesmuligheder for kunstig intelligens. Hassabis siger, at han opfordrer til diskussion af teknologiens mulige risici. (Selvom han også med tilfredshed bemærker, at fysiker Stephen Hawking er holdt op med at advare om, at kunstig intelligens kunne udslette mennesker siden mødet med Hassabis; Tesla-grundlæggeren Elon Musk, der har sammenlignet forskning i kunstig intelligens med at tilkalde dæmonen, har også modtaget en anti-peptalk .) DeepMind har et internt etisk råd bestående af filosoffer, advokater og forretningsfolk. Hassabis siger, at deres navne sandsynligvis vil blive afsløret inden længe, ​​og at han også arbejder på at indkalde en lignende ekstern bestyrelse, der deles på tværs af flere computervirksomheder.

DeepMinds ingeniører har dog endnu ikke brug for etisk rådgivning, når de planlægger nye eksperimenter, siger Hassabis. Vi er ikke i nærheden af ​​noget, vi ville være bekymrede for, siger han. Det handler mere om at få alle op at køre. Hvis alt lykkes, som Hassabis håber, vil hans etiske råd i sidste ende have rigtig arbejde at gøre.

skjule