Google AI guru saka, ka lieliskajam mākslīgajam intelektam ir jābalstās uz neirozinātni

Demiss Hasabis zina kaut ko vai divas par mākslīgo intelektu: viņš nodibināja Londonā bāzētu mākslīgā intelekta starta uzņēmumu DeepMind , ko Google iegādājās par 650 miljoniem USD 2014. gadā. Kopš tā laika viņa uzņēmums ir noslaucījis grīdu ar cilvēkiem sarežģītajā spēlē Go. un sāka spert soļus, lai izstrādātu vispārīgākus AI.

Bet tagad viņš ir iznācis un teicis, ka vienīgais veids, kā mākslīgais intelekts var realizēt savu patieso potenciālu, ir iedvesmas deva no cilvēka intelekta.

Pašlaik lielākā daļa AI sistēmu ir balstītas uz matemātikas slāņiem, kas ir tikai vāji iedvesmoti no cilvēka smadzeņu darbības veida. Taču dažādiem mašīnmācīšanās veidiem, piemēram, runas atpazīšanai vai objektu identificēšanai attēlā, ir nepieciešamas dažādas matemātiskas struktūras , un iegūtie algoritmi spēj veikt tikai ļoti specifiskus uzdevumus.

Mašīnmācības pasaulē jau sen ir vēlme veidot AI, kas spēj veikt vispārīgus, nevis nišas uzdevumus. Taču patiesība ir tāda, ka šo specializēto algoritmu paplašināšana uz kaut ko daudzpusīgāku joprojām ir neticami sarežģīta problēma, daļēji tāpēc, ka tādas cilvēka īpašības kā zinātkāre, iztēle un atmiņa AI pasaulē nepastāv vai ir tikai sākuma stadijā.

Papīrā publicēts šodien žurnālā Neirons , Hassabis un trīs līdzautori apgalvo, ka tikai labāk izprotot cilvēka intelektu, mēs varam cerēt, ka mēs pārsniegsim mākslīgā intelekta sasniegtās robežas.

Pirmkārt, viņi saka, ka labāka izpratne par to, kā smadzenes darbojas, ļaus mums izveidot jaunas elektroniskā intelekta struktūras un algoritmus. Otrkārt, jaunāko AI veidošanā un testēšanā gūtā pieredze varētu palīdzēt mums labāk definēt, kas patiesībā ir intelekts.

Rakstā ir apskatīta neirozinātnes un mākslīgā intelekta vēsture, lai izprastu abu mijiedarbību. Tā apgalvo, ka dziļā mācīšanās, kas izmanto mākslīgo neironu slāņus, lai izprastu ievades datus, un pastiprinošā mācīšanās, kurā sistēmas mācās izmēģinājumu un kļūdu ceļā, abi lielā mērā ir parādā neirozinātnei.

Taču tas arī norāda, ka jaunākie sasniegumi nav tik efektīvi balstījušies uz bioloģiju un ka vispārējai inteliģencei būs vajadzīgas vairāk cilvēkiem līdzīgas īpašības, piemēram, intuitīva izpratne par reālo pasauli un efektīvāki mācīšanās veidi. Hassabis un viņa kolēģi apgalvo, ka risinājums ir atjaunota ideju apmaiņa starp mākslīgo intelektu un neirozinātni, [kas] var izveidot “tikumīgu loku”, kas virza abu jomu mērķus.

Hassabis nav viens ar šādu domāšanu. Gerijs Markuss, Ņujorkas Universitātes psiholoģijas profesors un bijušais Uber AI laboratorijas direktors, ir apgalvojis, ka mašīnmācības sistēmas varētu uzlabot, izmantojot idejas, kas iegūtas, pētot bērnu kognitīvo attīstību.

Tomēr šo atklājumu digitālā ieviešana nebūs vienkārša. Kā Hassabis paskaidro intervija ar Verge , mākslīgais intelekts un neirozinātne ir kļuvušas par divām ļoti, ļoti lielām jomām, kas ir caurstrāvotas ar savām tradīcijām, kas apgrūtina būt ekspertam pat viens no šīm jomām, nemaz nerunājot par pietiekamu ekspertu abās, lai varētu tulkot un atrast savienojumus starp tām.

(Lasīt vairāk: Neirons , The Verge , Google Intelligence Designer, Vai šis cilvēks var padarīt AI cilvēcīgāku? )

paslēpties