Mens et Apparata

I sommeren 1955 foreslog en kvartet af førende amerikanske matematikere - begrebet computerforsker var endnu ikke i brug - en konference på Dartmouth College for at undersøge et emne, som de kaldte kunstig intelligens. Undersøgelsen skal fortsætte ud fra den formodning, at ethvert aspekt af læring eller ethvert andet træk ved intelligens i princippet kan beskrives så præcist, at en maskine kan fås til at simulere det, hedder det i forslaget.

Tomaso Poggio

Den månedlange konference, der fandt sted i 1956, betragtes generelt som tilblivelsen af ​​kunstig intelligens-forskning. Tre af forslagets forfattere – LISP-opfinderen John McCarthy, informationsteori-pioneren Claude Shannon, SM ’40, PhD ’40 og den fremtidige Turing Award-vinder Marvin Minsky – ville senere undervise på MIT. McCarthy og Minsky (som forbliver på fakultetet efter 55 år) grundlagde MIT Artificial Intelligence Laboratory.

I 1967 havde fremskridtene inden for computerteknologi været så hurtige, at Minsky i sin bog Beregning: Finite og Infinite Machines , blev opmuntret til at skrive: Inden for en generation, er jeg overbevist om, vil få rum af intellekt forblive uden for maskinens rige - problemerne med at skabe 'kunstig intelligens' vil være væsentligt løst.

Minskys forudsigelse var selvfølgelig alt for optimistisk. Det viser sig, at det at vinde i skak, som de tidlige AI-forskere tog som den paradigmatiske anvendelse af intelligens, er et meget lettere beregningsproblem end for eksempel at skelne talte ord eller genkende ansigter.

I 1980'erne og 90'erne, da vanskeligheden ved at replikere menneskelig intelligens blev tydelig, kom AI til at betyde noget helt andet: praktiske computersystemer til specielle formål, ofte baseret på maskinlæring, som anvender statistisk analyse til et stort antal træningseksempler. Det er den tilgang, der gav os stemmegenkendelsessystemer og automatiske tekstoversættere.

Nu mener forskere ved MIT, at det er tid til at genoplive AI's store ambitioner i håbet om at udvikle både bedre terapier for neurologiske lidelser og computersystemer, der kan forudse vores behov med menneskelignende intuition. Og National Science Foundation ser ud til at være enig. I september annoncerede den en bevilling på $25 millioner til Center for Brains, Minds and Machines (CBMM), som er baseret på MIT's McGovern Institute for Brain Research. MIT leverer 12 primære efterforskere; seks andre kommer fra Harvard og fem mere fra andre institutioner.

CBMM ledes af Tomaso Poggio, professor i hjernevidenskab og menneskelig adfærd og hovedforsker ved både McGovern Institute og Computer Science and Artificial Intelligence Laboratory (CSAIL). Hans dobbelte udnævnelser illustrerer hovedpræmissen bag det nye center: at vi vil gøre meget hurtigere fremskridt i retning af at forstå menneskelig intelligens, hvis beregningsmæssige, biologiske og psykologiske tilgange kombineres i stedet for at blive udforsket isoleret.

I stedet for kun at stole på datalogi, som de gjorde for 50 år siden, er dette center virkelig en satsning på, at for at replikere menneskelig intelligens skal du forstå mere om hjernen og om kognition, siger Poggio.

Patrick Winston, professor ved Institut for Elektroteknik og Datalogi og CBMMs forskningskoordinator, tilføjer, at teknologierne til at undersøge problemet er blevet væsentligt forbedret i de senere år. For én ting, siger Winston, er computing gratis: Uanset hvilken type beregning, der skal udføres, kan det gøres. For en anden er fMRI nu rutine, siger han med henvisning til funktionel magnetisk resonansbilleddannelse, som kan bruges til at studere hjerneaktivitet. Han peger også på teknologier som transkraniel magnetisk stimulation, som kan forstyrre aktiviteten i målrettede hjerneområder under kognitive tests, og optogenetik, en teknik, der bruger lys til selektivt at aktivere eller dæmpe genetisk modificerede neuroner i hjernen. Optogenetics var banebrydende af Ed Boyden '99, MEng '99, en Media Lab-professor, som er hovedforsker ved McGovern Institute og det nye center.

Forskningen på centret er organiseret i flere hovedtemaer eller træk: visuel intelligens, som involverer integration af syn, sprog og motoriske færdigheder; kredsløb for intelligens, som vil spænde over forskning i neurobiologi og elektroteknik; udvikling af intelligens; og social intelligens. Poggio, som er en af ​​de primære efterforskere af visuel intelligens, skal også lede udviklingen af ​​en teoretisk platform, der skal binde arbejdet på de andre områder sammen.

Inden for hver indsats arbejder CBMM-forskere på at definere et sæt benchmark-spørgsmål, som de kan bruge til at vurdere deres fremskridt. Poggio giver et eksempel, som relaterer til hans eget tidligere arbejde med det visuelle system. Præsenteret med et billede af mennesker, der interagerer, skulle et intelligent computersystem være i stand til at give plausible svar på fem spørgsmål, sorteret fra nemmeste til sværeste: Hvad er der på billedet? Hvem er med i den? Hvad laver folket? Hvem gør hvad mod hvem? Og hvad sker der så?

Invarianter
En teoretisk ramme for at udforske alle spørgsmålene omkring menneskelig intelligens er en svær opgave. Men Poggios undersøgelser af, hvordan hjernen besvarer det første spørgsmål på hans liste, giver en skitse af, hvordan sådan en ramme kan se ud.

Objektgenkendelse – udvikling af computersystemer, der kan besvare spørgsmålet Hvad er der på billedet? – er et blomstrende område inden for forskning i kunstig intelligens. Typisk bruger objektgenkendelsessystemer nogle arter af maskinlæring. Mennesker mærker prøvebilleder, der angiver, hvilke objekter der vises hvor, og systemet forsøger at identificere nogle fælles træk, som alle billeder af objektet deler. Det er meget forskelligt fra menneskelig læring eller dyrs læring, siger han. Når et barn lærer at genkende en bjørn eller en løve, er det ikke sådan, at du skal vise ham billeder af en løve og en løve og en løve en million gange. Det er mere som to eller tre gange.

Poggio mener, at i modsætning til maskinlæringssystemer skal hjernen repræsentere objekter på en måde, der er invariant: repræsentationen er den samme, uanset hvor stor objektet ser ud, hvor det er i synsfeltet, eller om det er roteret. Og han mener også, at han har en plausibel teori om, hvad den repræsentation kan bestå af.

Poggios teori kræver, at hjernen eller et computersystem, der forsøger at simulere hjernen, gemmer en skabelon af nogle få objekter, der gennemgår hver type variation - størrelse, placering og rotation i planet. Hjernen kan for eksempel gemme et par dusin billeder af et menneskeligt ansigt, der sporer en 360° rotation.

Et ukendt objekt ville så blive repræsenteret som en samling af prikprodukter - en standardberegning i lineær algebra - mellem dets billede og skabelonerne. Denne samling ville forblive den samme uanset objektets størrelse, placering eller orientering.

En appel ved teorien er, at prikproduktet reducerer sammenligningen af ​​to komplekse datasæt, som visuelle billeder, til et enkelt tal. Samlinger af prikprodukter, selv for flere skabeloner, ville ikke fylde meget i hukommelsen. En anden appel, siger Poggio, er, at prikprodukter er en af ​​de nemmeste, måske nemmeste, beregninger for neuroner at udføre.

I eksperimenter udkonkurrerer Poggios system muligvis ikke maskinlæringssystemer. Men det kræver langt færre træningseksempler, hvilket tyder på, at det bedre gentager, hvad hjernen gør. Og til de fleste beregningsopgaver viser hjernens tilgang som regel bedre.

Poggio mener, at samlinger af prikprodukter også kunne forankre mere abstrakte koncepter. Skabeloner, der inkluderede forskellige formede klynger af objekter – arrangeret som prikker på forsiden af ​​en terning, eller i en linje eller i en cirkel – kunne underbygge begrebet antal; en skabelon af parallelle linjer set fra forskellige perspektiver kunne underbygge forestillingerne om parallelisme eller perspektiv. Der kan være flere interessante ting at udforske, siger han.

Fuzzy tænkning
Ligesom Poggio er Josh Tenenbaum professor i afdelingen for hjerne- og kognitiv videnskab (BCS) og hovedforsker i CSAIL. Selvom han leder CBMMs udviklingsfremstød, som koncentrerer sig om det intuitive greb om fysik, som selv små børn viser, har han også lavet forskning, der kunne bidrage til det teoretiske arbejde, Poggio leder.

Den tidligste AI-forskning, forklarer Tenenbaum, fokuserede på at bygge et matematisk sprog, der kunne kode påstande som Fugle kan flyve og Duer er fugle. Hvis sproget var stringent nok, mente forskerne, ville computeralgoritmer være i stand til at finkæmme påstande skrevet i det og beregne alle de logisk gyldige slutninger.

Men at give mening med sproglige påstande viste sig at kræve meget, meget mere baggrundsinformation end forventet. Ikke alle fugle kan f.eks. flyve. Og blandt fugle, der ikke kan flyve, er der en skelnen mellem en rødbider i et bur og en rødrøde med en brækket vinge, og en anden skelnen mellem enhver form for rødstrupe og en pingvin. Håndkodning nok af disse almindelige undtagelser til at tillade selv de mest rudimentære typer slutninger viste sig at være uoverkommeligt tidskrævende.

Med maskinlæring, derimod, bliver en computer fodret med masser af eksempler på noget og overladt til alene at udlede, hvad disse eksempler har til fælles. (Med en million billeder af en løve kan en maskinlæringsalgoritme kvantificere sine egne gæt: 77 procent af billeder med disse visuelle egenskaber er billeder af løver.) Men selvom denne tilgang kan fungere ret godt med klart definerede problemer – f.eks. af fugle – den har problemer med mere abstrakte begreber som flyvning, en kapacitet, der deles af fugle, helikoptere, drager og superhelte. Og selv flyvning er et konkret begreb sammenlignet med f.eks. grammatik eller moderskab.

Tenenbaum og hans elever har udviklet en ny type værktøj kaldet et probabilistisk programmeringssprog, som kombinerer det bedste ved AI gammelt og nyt. Ligesom de tidlige AI-sprog inkluderer det regler for inferens. Men disse regler er sandsynlige. Fortalt, at kasuaren er en fugl, kan et program skrevet på Tenenbaums sprog konkludere, at kasuaren sandsynligvis kan flyve. Men hvis programmet derefter fik at vide, at kasuarer kan veje næsten 200 pund, kan det måske nedjustere dets sandsynligheder.

I de to tidligere epoker af AI var den største forskel symboler kontra statistik, siger Tenenbaum. En af de ting, vi har fundet ud af på den matematiske side, er, hvordan man kombinerer disse, hvordan man laver statistisk inferens og sandsynlighedsræsonnementer [med] disse symbolsprog.

Læser mennesker
Det andet af Poggios fem benchmark-spørgsmål - Hvem er på billedet? - har længe været forbundet med arbejdet af BCS-professor Nancy Kanwisher, som er bedst kendt for at bruge funktionel MR til at identificere og analysere en region af hjernen, der er dedikeret til ansigtsopfattelse.

Kanwisher leder CBMM's sociale intelligens-fremstød, som hun ser som den naturlige forlængelse af hendes tidligere arbejde. Når du ser på et ansigt, er du interesseret i mere end blot de grundlæggende demografiske ting, som hvilken bestemt person det er, er de mand eller kvinde, hvor gamle er de, siger hun. Du kan ikke kun se, om en person er glad eller ked af det, men om de er selvhævdende eller foreløbige, om de er overstrømmende eller passive - der er et rigt rum af ting, som vi kan se i et ansigt fra et meget kort glimt.

På samme måde, siger Kanwisher, kan mennesker udlede en hel del om folks humør, hensigter og forhold til andre ud fra kropssprog - hvilket har den fordel, at det er modtageligt for beregningsmodellering. Hun peger også på arbejdet af afdøde Nalini Ambady, Stanford University socialpsykolog, der udviklede teorien om tynde stykker domme.

Hun optog TA'er fra Harvard-kurser, der underviser foran deres klasser i begyndelsen af ​​semesteret, siger Kanwisher. Derefter viste hun meget korte udsnit af disse videoer til forsøgspersoner i psykologiske eksperimenter og sagde: 'Vurder denne lærers effektivitet.' Det eneste, de har, er et par sekunder af en person foran et lokale, der taler med en klasse – det kan du ikke selv høre, hvad de siger. Og hun fandt ud af, at disse vurderinger var meget korrelerede med vurderingerne af den persons faktiske studerende.

Det første projekt af CBMM's social-intelligens-fremstød, siger Kanwisher, vil være at designe et sæt eksperimentelle opgaver, der giver forskere mulighed for at kvantificere menneskelig social perception. Når forskerne har etableret en baseline, kan de studere ting som, hvordan præstationer på opgaverne udvikler sig gennem barndommen, eller hvordan autistiske børns præstationer adskiller sig fra andre børns. De kunne også identificere de hjerneområder, der er involveret i social perception ved at bruge fMRI til at måle neural aktivitet eller transkraniel magnetisk stimulation for at forstyrre ydeevnen. Og efter at have indsamlet alle disse data, vil de forsøge at modellere beregningsmæssigt, hvad hjernen præcist gør.

Følg historien
De senere spørgsmål på Poggios liste - Hvem gør hvad mod hvem? og hvad sker der så? - fascinere Patrick Winston. Han mener, at det afgørende træk ved menneskelig intelligens er evnen til at fortælle og forstå historier. Den evne spiller endda en rolle i billedmærkning. Som Winston ynder at påpege, vil et menneskeligt individ identificere et billede af en mand, der holder et glas til sine læber, som billedet af en mand, der drikker. Hvis manden holder glasset et par centimeter længere frem, skåler han. Men et menneske vil også identificere et billede af en kat, der vender hovedet op for at fange et par dråber vand fra en vandhane som et eksempel på at drikke. Du skal tænke på, hvad du ser der som en historie, siger Winston. De får den samme etiket, fordi det er den samme historie, ikke fordi den ser ens ud.

Det er en af ​​grundene til at dedikere et forskningsindsats til integration af syn, sprog og sociale og motoriske færdigheder. For at illustrere en anden grund peger Winston på et eksperiment udført af udviklingspsykolog Elizabeth Spelke, et tidligere MIT-fakultetsmedlem, som nu er på Harvard og er en af ​​de primære efterforskere i udviklingsfremstødet. Spelke var fascineret af eksperimenter, hvor forskere havde placeret rotter på en roterende platform i midten af ​​et rum. Maden var synligt placeret i det ene hjørne af lokalet, men derefter maskeret af syne. Identiske masker blev placeret i de tre andre hjørner, og platformen blev roteret. Spelke besluttede at udvide studiet til at omfatte børn og voksne ved at gemme et stykke legetøj eller en nøglering i stedet for mad.

Med alle dyr, børn og voksne, når rotationen stoppede, ville forsøgspersonen med lige stor sandsynlighed lede til enten hjørnet med den maskerede genstand eller den, der var diagonalt over for den, som havde samme forhold til forsøgspersonen. Begge grupper af forskere varierede også eksperimentet og malede en anden farve på en af ​​væggene ved siden af ​​hjørnet, hvor objektet var placeret. Dyr og små børn valgte stadig enten det rigtige hjørne eller det modsatte med lige stor sandsynlighed, men voksne kunne nu pålideligt hente objektet.

Det er her, tingene bliver interessante. Hvis de voksne blev bedt om at lytte til et stykke tekst og recitere det tilbage, før de gik til objektet, vendte de tilbage til at forvirre de diametralt modsatte hjørner. At høre og recitere teksten tærer på den menneskelige sprogprocessor, og det reducerer dem til et rotteniveau, siger Winston. Bagefter vil de sige: 'Ja, jeg kunne se den blå væg, men jeg kunne ikke helt bruge den.'

At besvare spørgsmålene på højeste niveau på CBMM-forskernes lister over benchmarks vil sandsynligvis tage meget længere tid end de fem år af den oprindelige NSF-bevilling. Men, siger Poggio, det er tid til at prøve igen. Det er 50 år siden. Vi ved ikke, om det vil virke denne gang. Men hvis vi ikke prøver, ved vi det ikke.

skjule