Tenk som en mann: hva om å gi maskinen en teori om bevissthet

Siste måned et team bestående av samebecause AI-spillere, led en spektakulær nederlag mot profesjonelle konkurransedyktige spillere. Et show kamp som ble holdt i forbindelse med vm på spillet Dota 2 er Den Internasjonale åpenbart at laget strategisk tenkning mens du fortsatt tillater personen å beseire den maskinen.

å Delta AI består av flere algoritmer utviklet av OpenAI, en av grunnleggerne av som er Elon Musk. Team digitale spillere, som kalles OpenAI Fem, han lærte å spille Dota 2 på sine egne, ved prøving og feiling, og konkurrerer med hverandre.

I motsetning, det samme Brettet eller puzzle spill gå populære og raskest voksende multiplayer spill Dota 2 regnes som en mye mer alvorlig feltet for validering av kunstig intelligens for styrke. Totalt spillet vanskeligheten er bare én faktor. Det er ikke nok bare å veldig raskt klikk på musen og gi kommandoer til tegn på at du har kontroll. For å vinne må du ha intuisjon og forståelse av hva du kan forvente fra motstanderen neste gang, og tilstrekkelig til å handle i henhold til denne kunnskapen, for sammen å nå et felles mål — vinne. Datamaskinen har dette settet med funksjoner no.

"det Neste store skrittet i utviklingen av AI – interaksjon" — sier Dr. Jun Wang fra University College London.

I øyeblikket selv den mest viktig dataalgoritme dyp læring har ingen strategisk tenkning er nødvendig for å forstå hensikten med oppgavene motstanderen, være det på en annen AI eller en person.

Ifølge Wang, for AI for å være i stand til å lykkes, er det nødvendig å ha en dyp kommunikative ferdigheter, som stammer fra det viktig kognitive egenskapene til en person – tilstedeværelsen av tankene.

- Modellen mentale tilstand som simulering

Fire år barn normalt begynner å forstå en grunnleggende funksjon: deres sinn er som sinnet av andre. De begynner å forstå at alle har det han tror på, sitt begjær, følelser og intensjoner. Og, viktigst av alt, å presentere deg selv i stedet for andre, kan de begynne å forutsi fremtidig atferd på disse menneskene, og forklare dem. På en måte, deres begynner hjernen å lage i seg selv et multiplum av simulering i seg selv, for å erstatte seg selv i stedet for andre mennesker og sette inne et bestemt miljø.

En Modell av den mentale tilstanden som er viktig i kunnskap om seg selv som en mann, og spiller også en viktig rolle i det sosiale samspillet. Forståelse for andre — nøkkelen til effektiv kommunikasjon og felles mål. Men denne evnen kan også være agenter for falsk tro – ideer som fører oss bort fra objektiv sannhet. Når forstyrret evne til å bruke modellen av den mentale tilstanden, som for eksempel oppstår i autisme, den naturlige "menneskelig" ferdigheter, slik som muligheten for forklaring og fantasi er også svekket.

Ifølge Dr. Alan Winfield, Professor i robotice fra University of the West of England modell av den mentale tilstanden eller "theory of mind" er en viktig funksjon, som vil tillate AI å "forstå" mennesker, ting, og andre roboter.

"Ideen om å innføre simulering i robot – det er faktisk en flott mulighet til å gi den mulighet til å forutse fremtiden" — sa Winfield.

I Stedet for maskinlæring metoder der flere lag av nevrale nettverk trekke ut fragmenter av informasjon og "å studere" i en stor database, Winston tilbyr seg å bruke en annen tilnærming. I stedet for å stole på trening, Winston tilbyr å pre-programmet AI med en intern modell av seg selv og miljø, som vil tillate deg å svare på enkle spørsmål som "hva hvis?".

For Eksempel, tenk deg at den smale korridoren for å flytte to roboter, deres AI kan simulere resultater av fremtidige tiltak som vil hindre kollisjon: venstre, høyre eller fortsette rett. Denne interne modellen vil i hovedsak fungere som en "mekanisme av impact", fungerer som en slags "common sense" som vil bidra direkte AI videre til riktige handlinger ved å forutsi fremtidig utvikling.

I en studie publisert tidligere i år, Winston har demonstrert en prototype roboten i stand til å oppnå slike resultater. I påvente av andres oppførsel, roboten som har bestått gjennom korridoren uten kollisjoner. Faktisk, dette er ikke overraskende, forfatteren notater, men "imøtekommende" robot som bruker en simulert tilnærming for å løse problemet, passering av korridoren tok 50 prosent mer tid. Imidlertid, Winston har bevist sin metode for interne simulering verk: "dette er en veldig kraftig og interessant utgangspunkt i utviklingen av teorien om kunstig intelligens", konkluderte de forsker.

Winston håp om at i slutten AI vil ha muligheten til å beskrive psykisk gjenskape situasjonen. Den interne modell av oss selv og andre vil tillate dette AI for å simulere ulike scenarier og, enda viktigere, for å identifisere spesifikke mål for hver av dem.

Dette er vesentlig forskjellig fra dyp læring algoritmer, noe som i prinsippet ikke er i stand til å forklare hvorfor de kom til en bestemt konklusjon når løse et problem. Modellen "black box" når du bruker dyp læring er faktiskden virkelige problem som står i veien for tillit i slike systemer. Spesielt akutte dette problemet kan bli, for eksempel ved utvikling av robot sykepleiere til sykehus eller for eldre.

AI bevæpnet med en modell av den mentale tilstanden kan sette oss selv i stedet for sine mestere, og for å riktig forstå hva han skulle gjøre. Han ville da bestemme riktige beslutninger og å forklare disse vedtak til menneske ville utføre sine tildelte oppgaver. Jo mindre usikkerhet i beslutninger, jo mer vil det være slik roboter tillit.

- Modellen mentale tilstand i et neuralt nettverk

Company DeepMind bruker en annen tilnærming. I stedet for pre-programmering algoritme av mekanismen av virkninger, de har utviklet flere nevrale nettverk, som viser likheten modell kollektivnogo psykiske atferd.

AI-algoritme "ToMnet" kan lære handlinger ved å se andre nøytron-nettverk. Han ToMNet er et kollektiv av tre nevrale nettverk: den første baserer seg på funksjoner av andre AI i henhold til sin siste handling. Den andre danner felles konsept av dagens tankesett – deres holdninger og intensjoner på et bestemt tidspunkt. Den kollektive resultatene av to nevrale nettverk kommer den tredje, som spår ytterligere tiltak AI basert på situasjonen. Som med dyp læring, ToMnet blir mer effektiv med rekruttering opplevelse, å se på andre.

I et eksperiment, ToMnet "observert" det som de tre AI-agent manøvrering i det digitale rom, samle fargerike bokser. Hver av disse AI hadde sin egen særegenhet: den ene var en "blind" — kan ikke bestemme form og ordning av rommet. Den andre var "memento": han kunne ikke huske hans siste trinnene. Den tredje kunne se og huske.

Etter trening ToMnet begynte å forutse preferanser for hver AI, se på hans handlinger. For eksempel, "blind" var i konstant bevegelse langs veggene. ToMnet er husket. Algoritmen var også i stand til å korrekt forutsi fremtidig atferd av AI og, enda viktigere, å forstå når det er AI møtt med en falsk representasjon av miljøet.

En av testene, et team av forskere har programmert en av AI på "nærsynthet" og endret utformingen av rommet. Agenter med normalt syn raskt tilpasset den nye layouten, men "nærsynt" fortsatte å følge den opprinnelige ruten, feilaktig å tro at han er fortsatt i den gamle miljø. ToMnet raskt bemerket at denne funksjonen og nøyaktig forutsagt agent atferd ved å sette deg selv i hans sted.

Ifølge Dr. Alison Gopnik, en spesialist innen utviklingspsykologi University of California, Berkeley, som ikke er involvert i disse studiene, men å lese konklusjonene, er disse resultatene viser at nevrale nettverk har en utrolig evne til å lære en rekke ferdigheter uavhengig, gjennom observasjon av andre. På samme tid, ifølge eksperter, er det for tidlig å si at disse AI har utviklet en kunstig modell av den mentale tilstanden.

Ifølge Dr. Josh Tenenbaum fra mit, heller ikke delta i studien, "forståelse" ToMnet nært knyttet sammenheng med læringsmiljøet – det samme rommet og bestemte AI agenter, hvis oppgave var begrenset til å samle bokser. Dette stivhet i visse grenser gjør ToMnet mindre effektive i å forutsi atferd i radikalt nye miljøer, i motsetning til de barna som kan tilpasse seg til nye situasjoner. Algoritmen, ifølge forskeren, kan ikke takle det simulering av handlingene til en helt annen AI eller menneske.

I alle fall, et verk av Winston og selskapet DeepMind viser at datamaskiner begynner å vise begynnelse av "forstå" hverandre, selv om denne forståelsen er bare rudimentær. Og så vil de fortsette å forbedre denne ferdigheten, å bli bedre og bedre å kjenne hverandre, vil det komme en tid når maskinene vil være i stand til å forstå kompleksiteten og forvirring av vår egen bevissthet.

Hva tror du, kan en maskin tilegne seg den menneskelige kognitive ferdigheter? Del din mening .