211service.com
Šis zinātkārais mākslīgais intelekts satrieks kaujas kuģī
Brendens ezers un Anselms Rots
Apbrīnojami zinātkāra mākslīgā intelekta sistēma, ko izstrādājusi NYU pētnieku komanda, ir iemācījusies spēlēt spēli, kas ir līdzīga Battleship, ar prāta spējām.
Vienkāršajā pētnieku izveidotajā spēlē spēlētāji cenšas atrast pretinieka kuģus, kas paslēpti nelielā kvadrātu režģī, uzdodot virkni jautājumu, uz kuriem var atbildēt ar vienu ciparu vai vārdu. Viņu programma izdomā, kā uzdot šos jautājumus pēc iespējas efektīvāk.
Iedvesmojoties no kognitīvās psiholoģijas un izmantojot principiāli atšķirīgu pieeju no vairuma mūsdienu AI, sistēma parāda, kā mašīnas var iemācīties uzdot noderīgus jautājumus par pasauli. Programma jautājumus uztver kā miniatūras programmas, ļaujot tai mācīties no dažiem piemēriem un konstruēt savus jautājumus, pamatojoties uz apgūto.
Spēli izstrādāja Brendenas ezers , NYU docents; Tods Gureckis , asociētais profesors; un Anselms Rote , maģistrants. Pastāv milzīga plaisa starp cilvēka un mašīnas spēju uzdot jautājumus, meklējot informāciju par pasauli, norāda Leiks. Pētnieki apraksta darbu papīrs ievietots tiešsaistē.
Pētnieki lika cilvēkiem spēlēt savu spēli un ierakstīja viņu uzdotos jautājumus. Pēc tam viņi pārtulkoja jautājumus konceptuālos komponentos. Piemēram, jautājumi Cik garš ir zilais kuģis? un Vai zilajam kuģim ir četras flīzes? attiecas uz mērķa garumu. Jautājums Vai zilie un sarkanie kuģi pieskaras? attiecas uz pozīciju. Pēc tam pētnieki iekodēja šos jautājumus, izmantojot vienkāršu programmēšanas valodu, un izveidoja varbūtības modeli, lai noteiktu, kuriem jautājumiem būtu jāsniedz visnoderīgākā informācija. Šī metodika ļāva AI sistēmai efektīvi konstruēt jaunus jautājumus, kas palīdzēja tai uzvarēt spēli.
Lielākā daļa AI pieeju ietver vienkārši liela apjoma datu piemēra ievadīšanu datoram, un pēc tam tas ģenerē savus piemērus. Lai gan NYU komandas metode prasa vairāk roku kodēšanas, tā ir daudz efektīvāka, lai atklātu gudrus jautājumus, ko uzdot. Sistēma arī veido viedus jautājumus metodiskākā veidā, un tā var pat radīt jautājumus, kurus neviens cilvēks neiedomājās uzdot.
Pētnieki pēta, kā viņu tehnoloģija varētu padarīt tērzēšanas robotus un citas dialoga sistēmas efektīvākas un mazāk sāpīgas. Ar nelielu iepriekšēju programmēšanu šāda sistēma varētu palīdzēt klientiem ātrāk atrisināt viņu problēmu, uzdodot pareizos jautājumus.
Lietojot dialoga sistēmas, kas ģenerē jaunus jautājumus, lai tie varētu saņemt informatīvākas atbildes lidojumā, padarīs cilvēka un datora mijiedarbību vieglāku un padarīs šīs sistēmas noderīgākas un jautrākas, saka Lake.
Jāatzīmē, ka spēļu programma spēja izveidot galveno jautājumu kaujas kuģa spēlei. Tas sastāvēja no lūguma pretiniekam veikt virkni matemātisku darbību, pievienojot viena kuģa garumu 10 reizes nākamā kuģa garumam un tā tālāk. Šādam jautājumam cilvēkam būtu grūti izsekot vai pareizi atbildēt, taču teorētiski rezultātu varētu izmantot, lai aprēķinātu visu tāfeli. Tas bija diezgan interesanti, saka Lake.
Sems Gēršmens , Hārvardas Universitātes docents, kurš izstrādā pieejas AI, iedvesmojoties no kognitīvās neirozinātnes, saka, ka NYU pētījums sniedz ieskatu par to, kā cilvēki izdomā labus jautājumus. Pirmkārt, jums ir nepieciešama zināma kompozīcijas forma, lai aptvertu mulsinošo jautājumu daudzveidību, saka Geršmans. Otrkārt, jums ir nepieciešams kritēriju kopums, kas izsver jautājuma relatīvās stiprās un vājās puses.
Gershman piebilst, ka cilvēki, šķiet, ievēro līdzīgu stratēģiju veiksmīgākajai pieejai, ko izmanto programma, rūpīgi novērtējot savu jautājumu sarežģītību, lai taupīgi izmantotu kognitīvos resursus.
Galu galā mašīnas nekļūs patiesi inteliģentas, ja tās nesāks interesēties par apkārtējo pasauli. Tas sākas ar izmeklējošu jautājumu uzdošanu.