Tænk som en mand: hvad nu hvis at give maskinen en teori om bevidsthed

I sidste måned et team bestående af samebecause AI-spillere, har lidt et spektakulært nederlag mod professionelle konkurrencedygtige spillere. En vis match holdt inden for rammerne af world championship på spil Dota 2 er Den Internationale viste, at holdet strategisk tænkning, mens det stadig tillader den person for at besejre maskinen.

Deltagende AI består af flere algoritmer udviklet af OpenAI, en af grundlæggerne er Elon Musk. Team digitale spillere, kaldet OpenAI Fem, han lærte at spille Dota 2 på egen hånd, ved trial and error, der konkurrerer med hinanden.

I modsætning, det samme skakbræt eller puslespil, spil at gå populære og hurtigst voksende multiplayer spil Dota 2, betragtes som en meget mere alvorlig felt for validering af kunstig intelligens til styrke. Samlet spillet vanskelighed er kun én faktor. Det er ikke nok bare meget hurtigt klik med musen og give kommandoer til den karakter, som du styrer. For at vinde skal du have intuition og forståelse af, hvad de kan forvente fra modstanderen næste gang, og i tilstrækkelig grad til at handle i overensstemmelse med denne viden, til i fællesskab at nå et fælles mål — vinde. Computeren har dette sæt af funktioner, nej.

"den Næste store skridt i udviklingen af AI – interaktion" — siger Dr. Jun Wang fra University College London.

I øjeblikket selv de mest vigtige computer algoritme dyb læring har ingen strategisk tænkning nødvendig for at forstå formålet med de opgaver, som din modstander, være det en anden AI eller en person.

Ifølge Wang, for AI til at være i stand til at lykkes, er det nødvendigt at have en dyb kommunikative færdigheder, som stammer fra den vigtige kognitive karakteristika for en person – tilstedeværelse af sind.

Model er mental tilstand som simulation

Til fire år børn normalt begynde at forstå en grundlæggende funktion: deres sind er som sindet af andre. De begynder at forstå, at alle har, hvad han mener, hans begær, følelser og intentioner. Og, vigtigst af alt, at præsentere dig selv i stedet for andre, kan de begynde at forudsige fremtidig adfærd af disse mennesker, og forklare dem. På en måde, deres hjerne begynder at skabe i sig selv en flere af simulation i sig selv, til at erstatte sig selv i stedet for andre mennesker og sætte inde i et bestemt miljø.

En Model af den mentale tilstand er vigtig i den viden om sig selv som en mand, og det spiller også en vigtig rolle i den sociale interaktion. At forstå andre, — nøglen til effektiv kommunikation og fælles mål. Men denne evne kan også være agenter for falske overbevisninger – ideer, som fører os væk fra den objektive sandhed. Når forstyrret mulighed for at bruge den model af den mentale tilstand, som opstår i autisme, er den naturlige menneskelige evner, så som muligheden for forklaring og fantasi er også forringet.

Ifølge Dr. Alan Winfield, Professor i robotice fra University of the West of England model af den mentale tilstand eller "theory of mind" er en central funktion, der vil tillade AI til at "forstå" mennesker, ting og andre robotter.

"Idéen om at indføre simulering i robot – det er faktisk en stor mulighed for at give det mulighed for at forudsige fremtiden" — sagde Winfield.

I Stedet for machine learning metoder, hvor flere lag af neurale netværk uddrag fragmenter af information og "studere" en enorm database, Winston tilbyder at bruge en anden tilgang. I stedet for at stole på uddannelse, Winston tilbyder at pre-program AI med en indre model af sig selv og miljøet, som vil give dig mulighed for at besvare simple spørgsmål, "hvad nu hvis?".

For Eksempel forestille sig, at den smalle korridor ved at flytte to robotter, deres AI kan simulere resultaterne af de fremtidige tiltag, der vil forhindre deres kollision: venstre, højre eller fortsætte lige ud. Denne indre model, der i alt væsentligt vil fungere som en "mekanisme for indflydelse", der fungerer som en slags "sund fornuft", som vil hjælpe direkte AI til yderligere korrekte handlinger ved at forudsige den fremtidige udvikling.

I en undersøgelse, der blev offentliggjort tidligere på året, Winston har demonstreret en prototype robot i stand til at opnå disse resultater. At forudse andres adfærd, robotten bestået gennem korridoren uden kollisioner. I virkeligheden, dette er ikke overraskende, forfatteren konstaterer, men "opmærksomme" robot, der bruger en simuleret tilgang til at løse problemet, passage af gangen tog 50 procent mere tid. Men Winston har bevist, at hans metode til indre simulering værker: "dette er en meget stærk og interessant udgangspunkt i udviklingen af teorien om kunstig intelligens", konkluderer forsker.

Winston håber, at i slutningen AI vil have mulighed for at beskrive mentalt gengive situationen. Den interne model af os selv og andre vil tillade dette AI til at simulere forskellige scenarier, og, hvad vigtigere er, at identificere specifikke mål og målsætninger for hver af dem.

Dette er væsentligt forskellige fra deep learning algoritmer, som i princippet ikke er i stand til at forklare, hvorfor de kom til at bestemt konklusion, når løsningen af et problem. Model "black box", når du bruger dyb læring er faktiskdet virkelige problem der står i vejen for, at tillid i sådanne systemer. Særligt akutte dette problem kan blive, for eksempel i forbindelse med udviklingen af robot sygeplejersker til hospitaler eller til de ældre.

AI bevæbnet med en model af den mentale tilstand kunne sætte os selv i stedet for deres mestre, og at korrekt forstå, hvad han skulle gøre. Han ville derefter træffe passende beslutninger og forklare disse beslutninger til den menneskelige ville udføre sin opgave. Den mindre usikkerhed i de beslutninger, jo mere vil det være sådan, robotter tillid.

Model s psykiske tilstand, i et neuralt netværk

Virksomheden DeepMind bruger en anden tilgang. I stedet for pre-programmering algoritme af den mekanisme af de effekter, de har udviklet flere neurale netværk, som viser, at ligheden model kollektivnogo psykologiske adfærd.

AI-algoritme "ToMnet" kan lære handlinger ved at se andre neutron-netværk. Han ToMNet er et kollektiv af tre neurale netværk: den første er baseret på funktionerne i andre AI i henhold til deres sidste handling. Den anden danner fælles opfattelse af den aktuelle situation – deres tro og hensigter på et bestemt tidspunkt. Den kollektive resultaterne af to neurale netværk kommer den tredje, der forudsiger en yderligere indsats AI bygger på situationen. Som med dyb læring, ToMnet bliver mere effektiv med rekruttering oplevelse, at se andre.

I et eksperiment, ToMnet "observeret", der som de tre AI-agent manøvrering i det digitale rum, indsamling farverige æsker. Hver af disse AI havde sin egen ejendommelighed: den ene var en "blind" — kunne ikke bestemme form og indretning af rummet. Den anden var "memento": han kunne ikke huske sin sidste trin. Den tredje kunne se og huske.

Efter træning ToMnet begyndte at forudse præferencer for hver AI, se på hans handlinger. For eksempel, "blind" var konstant bevæger sig kun langs væggene. ToMnet er husket. Algoritmen var også i stand til korrekt at forudsige den fremtidige adfærd AI, og, hvad vigtigere er, at forstå, når AI er konfronteret med en falsk repræsentation af miljøet.

En af de tests, et hold af forskere har programmeret en af de AI på "snæversyn" og ændret layout af rummet. Agenter med normalt syn hurtigt tilpasset til det nye layout, men "kortsigtet" fortsatte med at følge den oprindelige rute, fejlagtigt at tro, at han stadig er i det gamle miljø. ToMnet hurtigt konstateret denne funktion og præcist forudsagde agent adfærd ved at sætte dig selv i hans sted.

Ifølge Dr. Alison Gopnik, en specialist inden for udviklingspsykologi University of California, Berkeley, der ikke er involveret i disse undersøgelser, men at læse de konklusioner, er disse resultater viser, at neurale netværk har en fantastisk evne til at lære en række færdigheder selvstændigt, gennem observation af andre. På samme tid, ifølge eksperter, at det er for tidligt at sige, at disse AI har udviklet en kunstig model af den mentale tilstand.

Ifølge Dr. Josh Tenenbaum fra mit, heller ikke deltage i undersøgelsen, "forståelse" ToMnet tæt forbundet med den kontekst af læringsmiljøet – det samme rum og specifikke AI agenter, hvis opgave var begrænset til at indsamle kasser. Denne stivhed i visse grænser er ToMnet mindre effektive til at forudsige adfærd i radikalt nye miljøer, i modsætning til de børn, der kan tilpasse sig til nye situationer. Den algoritme, i henhold til den videnskabsmand, ikke kan klare med simulering af handlinger, af en helt anden AI eller mennesker.

Under alle omstændigheder, arbejde og Winston selskab DeepMind viser, at computerne begynder at vise begyndelse af at "forstå" hinanden, selv om denne forståelse er kun rudimentært. Og som de vil fortsætte med at forbedre denne evne, bliver bedre og bedre at kende hinanden, vil der komme et tidspunkt, når maskiner, der vil være i stand til at forstå den kompleksitet og forvirring i vores egen bevidsthed.

Hvad mener du, kan en maskine erhverve den menneskelige kognitive færdigheder? Del din mening .