Tänk som en man: vad om att ge maskinen en teori om medvetandet

Förra månaden ett team som består av samebecause AI-spelare, drabbades av en spektakulär nederlag mot professionella konkurrenskraftiga aktörer. En show match som hölls inom ramen för world championship på spelet Dota 2 är Den Internationella visade att laget strategiskt tänkande, samtidigt som du tillåter den personen att besegra maskinen.

Som Deltar AI består av flera algoritmer som utvecklats av OpenAI, en av grundarna av det som är Elon Musk. Team digital spelare, kallas OpenAI Fem, han lärde sig att spela Dota 2 på egen hand, genom försök och misstag, som konkurrerar med varandra.

Däremot samma schackbrädet eller pussel spel gå populära och snabbast växande multiplayer-spel som Dota 2 anses vara en mycket mer allvarlig området för validering av artificiell intelligens för att styrka. Övergripande svårigheten att spelet är endast en faktor. Det räcker inte att bara för att mycket snabbt klicka på musen för att ge kommandon till det tecken som du kan styra. För att vinna måste du ha intuition och förståelse av vad du kan förvänta från motståndare nästa gång och lämpligt sätt att agera i enlighet med denna kunskap, för att gemensamt nå ett gemensamt mål — vinna. Datorn har denna uppsättning har ingen.

"Nästa stora steg i utvecklingen av AI – interaktion" — säger Dr Wang Jun av University College London.

Just nu även de mest viktiga algoritm för datorn djupt lärande har inga strategiska tänkande som behövs för att förstå syftet med de uppgifter som din motståndare, det kan vara en annan AI eller en person.

Enligt Wang, för att AI ska kunna lyckas, är det nödvändigt att ha en djup kommunikativa färdighet, som härrör från viktiga kognitiva egenskaper hos en person – presence of mind.

Modell: s mentala tillstånd som simuleringen

Till fyra år barn vanligtvis börjar förstå en grundläggande funktion: deras sinne är som minnet av andra. De börjar förstå att alla har det han tror på, hans önskningar, känslor och avsikter. Och, viktigast av allt, att presentera dig själv i andras ställe, de kan börja att förutsäga det framtida beteendet hos dessa människor och förklara för dem. På ett sätt, deras hjärna börjar skapa sig en multipel av simulering i sig, för att ersätta sig själv i stället för andra människor och sätta i en viss miljö.

En Modell av det mentala tillståndet är viktigt i kunskapen om sig själv som en man, och spelar också en viktig roll i social interaktion. Förstå andra — nyckeln till effektiv kommunikation och gemensamma mål. Men denna förmåga kan också vara agenter på falska föreställningar – idéer som leder oss bort från en objektiv sanning. En gång störd förmåga att använda modellen för den mentala tillstånd, som uppstår vid autism, den naturliga "mänskliga" kompetens, till exempel möjligheten att förklaring och fantasi är också osäkra.

Enligt Dr Alan Winfield, Professor i robotice från University of the West of England modell av det mentala tillståndet eller "theory of mind" är en viktig funktion, som gör att AI: n att "förstå" människor, saker, och andra robotar.

"Idén om att införa simulering i robot – det är faktiskt ett bra tillfälle att ge det en möjlighet att förutsäga framtiden" — sa Winfield.

I Stället för maskininlärning metoder där flera lager av neurala nätverk för att extrahera fragment av information och "studera" en enorm databas, Winston erbjuder sig att använda en annan strategi. I stället för att förlita sig på utbildning, Winston erbjuder pre-program AI med en intern modell av sig själv och miljön, som kommer att tillåta dig att svara på enkla frågor som "vad händer om?".

Tänk dig till Exempel att den smala korridoren för att flytta två robotar, deras AI kan simulera resultat av framtida åtgärder som kommer att förhindra kollision: vänster, höger eller fortsätta rakt fram. Denna interna modell skulle i huvudsak fungera som en "mekanism effekter", som agerar som ett slags "sunt förnuft" som kommer att hjälpa direkt AI för att ytterligare rätt åtgärder genom att förutsäga den framtida utvecklingen.

I en studie som publicerades tidigare i år, Winston har visat en prototyp robot klarar av att uppnå sådana resultat. Att förutse andras beteende, roboten framgångsrikt gått igenom korridoren utan kollisioner. I själva verket, detta är inte förvånande, författaren konstaterar, men "uppmärksam" robot som använder en simulerad strategi för att lösa problemet, passage av korridoren tog 50 procent mer tid. Men Winston har visat sin metod för intern simulering fungerar: "detta är en mycket kraftfull och intressant utgångspunkt i utvecklingen av teorin för artificiella intelligens", konstaterade vetenskapsman.

Winston hoppas att i slutet AI kommer att ha möjlighet att beskriva mentalt återskapa situationen. Den interna modellen av oss själva och andra kommer att tillåta denna AI för att simulera olika scenarier och, ännu viktigare, för att identifiera specifika mål och syften för var och en av dem.

Detta är avsevärt skiljer sig från djupt lärande algoritmer, som i princip inte kan förklara varför de kom till just den slutsatsen när det gäller att lösa ett problem. Modell "black box" när du använder djupt lärande är faktisktdet verkliga problemet som står i vägen för förtroende för dessa system. Särskilt akut detta problem kan bli till exempel, när man utvecklar robot sjuksköterskor för sjukhus eller för äldre.

AI beväpnad med en modell av det mentala tillståndet kunde sätta oss själva i stället för deras mästare, och för att rätt förstå vad han ska göra. Han skulle sedan bestämma lämpliga beslut och förklara dessa beslut för att de mänskliga skulle utföra sin tilldelade uppgift. Mindre osäkerhet i beslut, desto mer skulle det vara sådana robotar förtroende.

Modell: s psykiska tillstånd i ett neuralt nätverk

Företaget DeepMind använder en annan metod. I stället för pre-programmering algoritm av mekanismen av effekterna, de har utvecklat flera neurala nätverk, vilket visar likheten modell kollektivnogo psykologiska beteende.

AI-algoritm "ToMnet" kan lära sig åtgärder genom att titta på andra neutron nätverk. Han ToMNet är ett kollektiv av tre neurala nätverk: den första bygger på funktioner i andra AI enligt deras senaste åtgärden. Den andra bildar det gemensamma konceptet för den nuvarande tänkesätt, sina övertygelser och intentioner vid en viss tidpunkt. Den kollektiva resultat av två neurala nätverk kommer den tredje, som förutspår ytterligare åtgärder AI baseras på situationen. Som med djupt lärande, ToMnet blir mer effektiv med erfarenhet inom rekrytering, titta på andra.

I ett experiment, ToMnet "konstaterade" att de tre AI-agent manövrering i det digitala rummet, samla färgglada lådor. Var och en av dessa AI hade sin egen egenhet: en var en "blind" — kunde inte bestämma form och ordning i rummet. Den andra var "memento", och han kunde inte minnas hans sista stegen. Den tredje kunde se och komma ihåg.

Efter träning ToMnet började att förutse preferenser varje AI, titta på hans handlingar. Till exempel, "blind" var ständigt rör sig bara längs väggarna. ToMnet är ihågkommen. Algoritmen var också möjlighet att förutsäga det framtida beteendet på AI och, ännu viktigare, att förstå när AI står inför en falsk representation av miljön.

En av de tester, ett team av forskare har programmerat en av AI på "närsynthet" och ändrat layouten på rummet. Agenter med normal syn snabbt har anpassat sig till den nya layouten, men "kortsiktig", fortsatte att följa sin ursprungliga rutt, falskeligen tro att han fortfarande är kvar i den gamla miljön. ToMnet snabbt noterade denna funktion och noggrant agentens beteende genom att sätta dig själv i hans ställe.

Enligt Dr Alison Gopnik, en specialist inom området i psykologi vid University of California, Berkeley, som inte deltar i dessa studier, men att läsa slutsatser av dessa resultat visar att neurala nätverk har en fantastisk förmåga att lära sig olika färdigheter självständigt, genom observation av andra. På samma gång, enligt experterna, är det för tidigt att säga att dessa AI har utvecklat en konstgjord modell av det mentala tillståndet.

Enligt Dr. Josh Tenenbaum från mit, har inte delta i studien, "förståelse" ToMnet nära samband med det sammanhang i den lärande miljön – i samma rum och specifika AI-agenter, vars uppgift var begränsad till insamling av lådor. Denna stelhet i vissa gränser gör ToMnet mindre effektiva i att förutsäga beteende i helt nya miljöer, i motsats till de barn som inte kan anpassa sig till nya situationer. Den algoritm som, enligt forskare, kan inte klara med simulering av åtgärder av ett helt annat AI eller mänskliga.

I alla fall, arbetet med Winston och företag DeepMind visar att datorerna börjar att visa början av "förstå" varandra, även om denna förståelse är bara rudimentär. Och som de kommer att fortsätta att förbättra denna färdighet, blir bättre och bättre vetskap om varandra, det kommer att komma en tid då maskiner kommer att kunna förstå den komplexitet och förvirring av vårt eget medvetande.

Vad tror du, kan en maskin förvärva den mänskliga kognitiva färdigheter? Dela din åsikt .