Vi vil aldrig have ægte AI uden først at forstå hjernen

Patrick T Powers

Søgningen efter AI har altid handlet om at forsøge at bygge maskiner, der tænker - i det mindste i en vis forstand. Men spørgsmålet om, hvor ens kunstig og biologisk intelligens bør være, har delt meninger i årtier. Tidlige bestræbelser på at bygge kunstig intelligens involverede beslutningsprocesser og informationslagringssystemer, der var løst inspireret af den måde, mennesker syntes at tænke på. Og dagens dybe neurale netværk er løst inspireret af den måde, hvorpå indbyrdes forbundne neuroner affyrer i hjernen. Men løs inspiration er typisk så vidt den rækker.

Relateret historie

Kunstig generel intelligens: Er vi tæt på, og giver det overhovedet mening at prøve?

En maskine, der kunne tænke som en person, har været den vejledende vision for AI-forskning siden de tidligste dage - og er stadig dens mest splittende idé.

De fleste mennesker i AI er ligeglade med detaljerne, siger Jeff Hawkins, en neurovidenskabsmand og tech-iværksætter. Det vil han lave om på. Hawkins har skrævet de to verdener inden for neurovidenskab og kunstig intelligens i næsten 40 år. I 1986, efter et par år som softwareingeniør hos Intel, dukkede han op på University of California, Berkeley, for at starte en ph.d. i neurovidenskab i håb om at finde ud af, hvordan intelligens fungerede. Men hans ambition ramte en mur, da han fik at vide, at der ikke var nogen der kunne hjælpe ham med så stort et projekt. Frustreret byttede han Berkeley ud med Silicon Valley og grundlagde i 1992 Palm Computing, som udviklede PalmPilot - en forløber for nutidens smartphones.

Men hans fascination af hjerner forsvandt aldrig. Femten år senere vendte han tilbage til neurovidenskaben og oprettede Redwood Center for Teoretisk Neurovidenskab (nu i Berkeley). I dag løber han Numenta , et neurovidenskabeligt forskningsfirma med base i Silicon Valley. Der studerer han og hans team neocortex, den del af hjernen, der er ansvarlig for alt, hvad vi forbinder med intelligens. Efter en række af gennembrud i de sidste par år har Numenta ændret fokus fra hjerner til kunstig intelligens ved at anvende det, det har lært om biologisk intelligens, på maskiner.

Hawkins ideer har inspireret store navne inden for kunstig intelligens, herunder Andrew Ng, og fået anerkendelser fra folk som Richard Dawkins, der skrev et entusiastisk forord til Hawkins nye bog Tusind hjerner: En ny teori om intelligens , udgivet 2. marts.

Jeg havde en lang snak med Hawkins på Zoom om, hvad hans forskning i menneskelige hjerner betyder for maskinintelligens. Han er ikke den første Silicon Valley-iværksætter, der tror, ​​at han har alle svarene - og ikke alle er sandsynligvis enige i hans konklusioner. Men hans ideer kunne ryste AI.

Vores samtale er blevet redigeret for længde og klarhed.

Hvorfor tror du, at AI er på vej i den forkerte retning i øjeblikket?

Det er et kompliceret spørgsmål. Hej, jeg er ikke en kritiker af nutidens AI. Jeg synes, det er fantastisk; det er nyttigt. Jeg synes bare ikke, det er intelligent.

Min største interesse er hjerner. Jeg blev forelsket i hjerner for årtier siden. Jeg har haft den holdning i lang tid, at før vi laver AI, skal vi først finde ud af, hvad intelligens faktisk er, og den bedste måde at gøre det på er at studere hjerner.

Tilbage i 1980, eller noget i den stil, følte jeg, at tilgangene til kunstig intelligens ikke ville føre til ægte intelligens. Og jeg har følt det samme gennem alle de forskellige faser af AI - det er ikke noget nyt for mig.

Jeg ser på de fremskridt, der er sket for nylig med dyb læring, og det er dramatisk, det er ret imponerende - men det tager ikke væk fra det faktum, at det grundlæggende mangler. Jeg tror, ​​jeg ved, hvad intelligens er; Jeg tror, ​​jeg ved, hvordan hjerner gør det. Og AI gør ikke, hvad hjerner gør.

Siger du, at for at bygge en AI skal vi på en eller anden måde genskabe en hjerne?

Nej, jeg tror ikke, vi kommer til at bygge direkte kopier af hjerner. Jeg er slet ikke til hjerneemulering. Men vi bliver nødt til at bygge maskiner, der fungerer efter lignende principper. De eneste eksempler, vi har på intelligente systemer, er biologiske systemer. Hvorfor ville du ikke studere det?

Det er som om jeg viste dig en computer for første gang, og du siger: Det er fantastisk! Jeg vil bygge sådan noget. Men i stedet for at se på det, prøve at finde ud af, hvordan det virker, går du bare væk og begynder at prøve at lave noget fra bunden.

Så hvad er det hjerner gør, der er afgørende for intelligens, som du mener, at AI også skal gøre?

Der er fire minimumsattributter for intelligens, en slags basislinje. Den første er at lære ved at bevæge sig: vi kan ikke fornemme alt omkring os på én gang. Vi er nødt til at bevæge os for at opbygge en mental model af ting, selvom det kun bevæger vores øjne eller hænder. Dette kaldes udførelsesform.

Relateret historie

Et koncept inden for psykologi hjælper AI til bedre at navigere i vores verden

Dernæst bliver dette sensoriske input optaget af titusindvis af kortikale søjler, hver med et delvist billede af verden. De konkurrerer og kombinerer via en slags stemmesystem at opbygge et overordnet synspunkt. det er tusind hjerner idé . I et AI-system kan dette involvere en maskine, der styrer forskellige sensorer - syn, berøring, radar og så videre - for at få en mere komplet model af verden. Selvom der typisk vil være mange kortikale kolonner for hver sans, såsom syn.

Så er der løbende læring, hvor du lærer nye ting uden at glemme tidligere ting. Nutidens AI-systemer kan ikke gøre dette. Og endelig strukturerer vi viden vha referencerammer , hvilket betyder, at vores viden om verden er relativ til vores synspunkt. Hvis jeg glider fingeren op ad kanten af ​​min kaffekop, kan jeg forudsige, at jeg vil mærke dens kant, fordi jeg ved, hvor min hånd er i forhold til koppen.

Dit laboratorium er for nylig skiftet fra neurovidenskab til AI. Svarer det til, at din teori om tusinde hjerner går sammen?

Stort set. Indtil for to år siden, hvis du gik ind på vores kontor, var det hele neurovidenskab. Så lavede vi overgangen. Vi følte, at vi havde lært nok om hjernen til at begynde at anvende den på AI.

Hvilken slags AI-arbejde laver du?

En af de første ting, vi så på, var sparsomhed. På ethvert tidspunkt er det kun 2% af vores neuroner, der affyrer; aktiviteten er sparsom. Vi har brugt denne idé på deep-learning netværk, og vi får dramatiske resultater 50 gange hurtigere på eksisterende netværk. Sparsity giver dig også mere robuste netværk, lavere strømforbrug. Nu arbejder vi på løbende læring.

Det er interessant, at du inkluderer bevægelse som en baseline for intelligens. Betyder det, at en AI har brug for en krop? Skal det være en robot?

I fremtiden tror jeg, at skelnen mellem kunstig intelligens og robotteknologi vil forsvinde. Men lige nu foretrækker jeg ordet legemliggørelse, fordi når man taler om robotter, fremtryller det billeder af menneskelignende robotter, hvilket ikke er det, jeg taler om. Det vigtigste er, at AI'en skal have sensorer og være i stand til at flytte dem i forhold til sig selv og de ting, den modellerer. Men du kan også have en virtuel AI, der bevæger sig på internettet.

Denne idé er helt anderledes end mange populære ideer om intelligens, om en kropsløs hjerne.

Bevægelse er virkelig interessant. Hjernen bruger de samme mekanismer til at flytte min finger over en kaffekop, eller bevæge mine øjne, eller endda når du tænker på et konceptuelt problem. Din hjerne bevæger sig gennem referencerammer for at genkalde fakta, som den har lagret forskellige steder.

Nøglen er, at ethvert intelligent system, uanset hvilken fysisk form det er, lærer en model af verden ved at sanse forskellige dele af den, ved at bevæge sig i den. Det er grundfjeldet; det kan du ikke komme væk fra. Uanset om det ligner en menneskelig robot, en slangerobot, en bil, et fly eller, du ved, bare en computer, der sidder på dit skrivebord og suser rundt på internettet - de er alle ens.

Hvordan har de fleste AI-forskere det med disse ideer?

Langt de fleste AI-forskere omfavner ikke rigtig tanken om, at hjernen er vigtig. Jeg mener, ja, folk fandt ud af neurale netværk for et stykke tid siden, og de er lidt inspireret af hjernen. Men de fleste mennesker forsøger ikke at replikere hjernen. Det er bare hvad der virker, virker. Og nutidens neurale netværk fungerer godt nok.

Relateret historie

AI-pioner Geoff Hinton: Dyb læring vil kunne alt For 30 år siden var Hintons tro på neurale netværk modstridende. Nu er det svært at finde nogen, der er uenige, siger han.

Og de fleste mennesker i AI har meget lidt forståelse for neurovidenskab. Det er ikke overraskende, for det er virkelig svært. Det er ikke noget, man bare sætter sig ned og bruger et par dage på at læse om. Neurovidenskaben selv har kæmpet for at forstå, hvad fanden der foregår i hjernen.

Men et af de store mål med at skrive denne bog var at starte en samtale om intelligens, som vi ikke har. Jeg mener, min ideelle drøm er, at alle AI-laboratorier i verden læser denne bog og begynder at diskutere disse ideer. Accepterer vi dem? Er vi uenige? Det har ikke rigtig været muligt før. Jeg mener, denne hjerneforskning er mindre end fem år gammel. Jeg håber, det bliver et rigtigt vendepunkt.

Hvordan ser du, at disse samtaler ændrer AI-forskningen?

Som et felt har AI manglet en definition af, hvad intelligens er. Du ved, Turing-testen er en af ​​de værste ting, der nogensinde er sket, efter min mening. Selv i dag fokuserer vi stadig så meget på benchmarks og smarte tricks. Jeg forsøger ikke at sige, at det ikke er nyttigt. En AI, der kan opdage kræftceller, er fantastisk. Men er det intelligens? Nej. I bogen bruger jeg eksemplet med robotter på Mars, der bygger et levested for mennesker. Prøv at forestille dig, hvilken slags AI der kræves for at gøre det. Er det muligt? Det er fuldstændig muligt. Jeg tror, ​​at vi i slutningen af ​​århundredet vil have sådanne maskiner. Spørgsmålet er, hvordan kommer vi væk fra, f.eks. Her er endnu et trick til de grundlæggende elementer, der er nødvendige for at bygge fremtiden.

Hvad tog Turing galt, da han startede samtalen om maskinintelligens?

Jeg mener bare, at hvis man går tilbage og læser hans originale værk, forsøgte han dybest set at få folk til at holde op med at skændes med ham om, hvorvidt man kunne bygge en intelligent maskine. Han tænkte: Her er nogle ting at tænke på - stop med at genere mig. Men problemet er, at det er fokuseret på en opgave. Kan en maskine noget, et menneske kan? Og det er blevet udvidet til alle de mål, vi sætter for AI. Så at spille Go var en stor præstation for AI. Virkelig? [ griner ] Jeg mener, okay.

Problemet med alle præstationsbaserede målinger, og Turing-testen er en af ​​dem, er, at den bare undgår samtalen eller det store spørgsmål om, hvad et intelligent system er. Hvis du kan narre nogen, hvis du kan løse en opgave med en form for smart teknik, så har du opnået det benchmark, men du har ikke nødvendigvis gjort fremskridt i retning af en dybere forståelse af, hvad det vil sige at være intelligent.

Er fokus på menneskelig præstation også et problem?

Jeg tror, ​​at mange intelligente maskiner i fremtiden ikke vil gøre noget, som mennesker gør. Mange vil være meget enkle og små - du ved, ligesom en mus eller en kat. Så at fokusere på sprog og menneskelig erfaring og alt det her for at bestå Turing-testen er lidt irrelevant for at bygge en intelligent maskine. Det er relevant, hvis du vil bygge en menneskelignende maskine, men jeg tror ikke, vi altid vil gøre det.

Du fortæller en historie i bogen om at pitche håndholdte computere til en chef hos Intel, som ikke kunne se, hvad de var til for. Så hvad vil disse fremtidige AI'er gøre?

Jeg ved ikke. Ingen ved. Men jeg er ikke i tvivl om, at vi vil finde en gazillion nyttige ting for intelligente maskiner at gøre, ligesom vi har gjort for telefoner og computere. Ingen forudså i 1940'erne eller 50'erne, hvad computere ville gøre. Det vil være det samme med AI. Det bliver godt. Nogle dårlige, men for det meste gode.

Men jeg foretrækker at tænke på det på lang sigt. I stedet for at spørge Hvad nytter det at bygge intelligente maskiner? Jeg spørger: Hvad er meningen med livet? Vi lever i et enormt univers, hvor vi er små prikker af ingenting. Jeg har haft dette spørgsmålstegn i mit hoved, siden jeg var et lille barn. Hvorfor bekymrer vi os om noget? Hvorfor gør vi alt dette? Hvad skal vores mål være som art?

Jeg tror, ​​det ikke handler om at bevare genpuljen: det handler om at bevare viden. Og hvis du tænker over det på den måde, er intelligente maskiner afgørende for det. Vi kommer ikke til at eksistere for evigt, men vores maskiner kunne være det.

Jeg finder det inspirerende. Jeg vil have et formål med mit liv. Jeg tror, ​​at AI – AI, som jeg forestiller mig det, ikke nutidens AI – er en måde at bevare os selv i en tid og et sted, vi endnu ikke kender.

skjule