Vīrieši un aparāti

1955. gada vasarā vadošo ASV matemātiķu kvartets — termins datorzinātnieks vēl netika lietots — ierosināja rīkot konferenci Dartmutas koledžā, lai izpētītu tēmu, ko viņi nodēvēja par mākslīgo intelektu. Pētījums ir jāturpina, pamatojoties uz pieņēmumu, ka katru mācīšanās aspektu vai jebkuru citu intelekta iezīmi principā var aprakstīt tik precīzi, ka var izveidot mašīnu, kas to simulētu, teikts priekšlikumā.

Tomaso Podžo

Mēnesi ilgā konference, kas notika 1956. gadā, parasti tiek uzskatīta par mākslīgā intelekta pētījumu ģenēzi. Trīs no priekšlikuma autoriem — LISP izgudrotājs Džons Makartijs, informācijas teorijas pionieris Klods Šenons, SM '40, PhD '40 un topošais Tjūringa balvas ieguvējs Mārvins Minskis — vēlāk mācīs MIT. Makartijs un Minskis (kurš paliek fakultātē pēc 55 gadiem) nodibināja MIT Mākslīgā intelekta laboratoriju.

Līdz 1967. gadam skaitļošanas tehnoloģiju attīstība bija tik strauja, ka Minskis savā grāmatā Aprēķins: ierobežotas un bezgalīgas mašīnas Esmu pārliecināts, ka vienas paaudzes laikā daži intelekta nodalījumi paliks ārpus mašīnas sfēras — “mākslīgā intelekta” radīšanas problēmas tiks būtiski atrisinātas.

Minska prognoze, protams, bija pārāk optimistiska. Izrādās, ka uzvara šahā, ko agrīnie AI pētnieki uzskatīja par intelekta paradigmatisku pielietojumu, ir daudz vienkāršāka skaitļošanas problēma nekā, piemēram, izrunātu vārdu vai seju atpazīšana.

Astoņdesmitajos un deviņdesmitajos gados, kad kļuva skaidrs cilvēka intelekta atkārtošanas grūtības, mākslīgais intelekts sāka nozīmēt kaut ko pavisam citu: praktiskas, īpašam nolūkam paredzētas datorsistēmas, kas bieži balstītas uz mašīnmācību, kas statistisko analīzi izmanto ļoti daudziem apmācības piemēriem. Tā ir pieeja, kas mums nodrošināja balss atpazīšanas sistēmas un automātiskos teksta tulkotājus.

Tagad MIT pētnieki uzskata, ka ir pienācis laiks atdzīvināt AI lielās ambīcijas, cerot izstrādāt gan labākas neiroloģisku traucējumu terapijas, gan datorsistēmas, kas varētu paredzēt mūsu vajadzības ar cilvēcisku intuīciju. Un Nacionālais zinātnes fonds, šķiet, piekrīt. Septembrī tā paziņoja par 25 miljonu ASV dolāru dotāciju Smadzeņu, prātu un mašīnu centram (CBMM), kas atrodas MIT McGovern smadzeņu pētniecības institūtā. MIT nodrošina 12 primāros izmeklētājus; seši citi nāk no Hārvardas un vēl pieci no citām iestādēm.

CBMM vada Tomaso Poggio, smadzeņu zinātņu un cilvēka uzvedības profesors un galvenais pētnieks gan Makgoverna institūtā, gan Datorzinātnes un mākslīgā intelekta laboratorijā (CSAIL). Viņa divkāršās iecelšanas ilustrē jaunā centra galveno priekšnoteikumu: mēs panāksim daudz ātrāku progresu cilvēka intelekta izpratnē, ja skaitļošanas, bioloģiskās un psiholoģiskās pieejas tiks apvienotas, nevis izpētītas atsevišķi.

Tā vietā, lai paļautos tikai uz datorzinātnēm, kā to darīja pirms 50 gadiem, šis centrs patiešām ir derības, ka, lai atkārtotu cilvēka intelektu, jums ir vairāk jāsaprot smadzenes un izziņa, saka Podžo.

Patriks Vinstons, Elektrotehnikas un datorzinātņu katedras profesors un CBMM pētniecības koordinators, piebilst, ka problēmas izpētes tehnoloģijas pēdējos gados ir būtiski uzlabojušās. Pirmkārt, Vinstons saka, ka skaitļošana ir bezmaksas: jebkura veida aprēķini ir jāveic, to var izdarīt. Citā gadījumā fMRI tagad ir rutīna, viņš saka, atsaucoties uz funkcionālo magnētiskās rezonanses attēlveidošanu, ko var izmantot smadzeņu darbības pētīšanai. Viņš arī norāda uz tādām tehnoloģijām kā transkraniālā magnētiskā stimulācija, kas var traucēt aktivitāti mērķtiecīgajos smadzeņu reģionos kognitīvo testu laikā, un optoģenētiku, metodi, kas izmanto gaismu, lai selektīvi aktivizētu vai apklusinātu ģenētiski modificētos neironus smadzenēs. Optoģenētiku aizsāka Ed Boyden '99, MEng '99, Media Lab profesors, kurš ir galvenais pētnieks Makgoverna institūtā un jaunajā centrā.

Pētījumi centrā ir organizēti vairākās galvenajās tēmās jeb virzienos: vizuālā inteliģence, kas ietver redzes, valodas un motorisko prasmju integrāciju; izlūkošanas shēmas, kas aptvers pētījumus neirobioloģijā un elektrotehnikā; intelekta attīstība; un sociālā inteliģence. Podžo, kurš ir viens no galvenajiem vizuālās inteliģences pētniekiem, vadīs arī teorētiskas platformas izstrādi, kuras mērķis ir saistīt darbu citās jomās.

Katrā virzienā CBMM pētnieki strādā, lai definētu etalonjautājumu kopumu, ko viņi var izmantot, lai novērtētu savu progresu. Podžo piedāvā vienu piemēru, kas attiecas uz viņa paša iepriekšējo darbu pie vizuālās sistēmas. Viedajai datorsistēmai, kas attēlo cilvēku mijiedarbības attēlu, jāspēj sniegt ticamas atbildes uz pieciem jautājumiem, kas sakārtoti no vienkāršākā līdz grūtākajam: Kas ir attēlā? Kurš ir tajā? Ko cilvēki dara? Kurš ar ko ko dara? Un kas notiks tālāk?

Invarianti
Teorētiskais pamats visu ar cilvēka intelektu saistīto jautājumu izpētei ir liels pasūtījums. Taču Podžo pētījumi par to, kā smadzenes atbild uz pirmo jautājumu viņa sarakstā, sniedz skici par to, kā šāds ietvars varētu izskatīties.

Objektu atpazīšana — datorsistēmu izstrāde, kas var atbildēt uz jautājumu Kas ir attēlā? — ir plaukstoša mākslīgā intelekta pētniecības joma. Parasti objektu atpazīšanas sistēmas izmanto dažas mašīnmācības sugas. Cilvēki iezīmē attēlu paraugus, norādot, kuri objekti kur parādās, un sistēma mēģina noteikt dažas kopīgas iezīmes, kas ir kopīgas visiem objekta attēliem. Viņš saka, ka tas ļoti atšķiras no cilvēku vai dzīvnieku mācīšanās. Kad bērns mācās atpazīt lāci vai lauvu, nav tā, ka viņam miljons reižu jārāda lauvas un lauvas un lauvas attēli. Tas ir vairāk kā divas vai trīs reizes.

Podžo uzskata, ka atšķirībā no mašīnmācīšanās sistēmām smadzenēm objekti ir jāattēlo nemainīgā veidā: attēlojums ir vienāds neatkarīgi no tā, cik liels objekts parādās, kur tas atrodas redzes laukā vai vai tas tiek pagriezts. Un viņš arī uzskata, ka viņam ir ticama teorija par to, no kā šis attēlojums varētu sastāvēt.

Podžo teorija pieprasa, lai smadzenes vai datorsistēma, kas mēģina simulēt smadzenes, saglabātu vienu veidni no dažiem objektiem, kas tiek pakļauti katra veida variācijām — izmēram, atrašanās vietai un rotācijai plaknē. Piemēram, smadzenes var saglabāt dažus desmitus attēlu ar cilvēka seju, kas izseko 360° rotāciju.

Pēc tam nepazīstams objekts tiktu attēlots kā punktu produktu kolekcija — lineārās algebras standarta aprēķins — starp tā attēlu un veidnēm. Šī kolekcija paliktu nemainīga neatkarīgi no objekta lieluma, atrašanās vietas vai orientācijas.

Viena no teorijas pievilcībām ir tāda, ka punktu produkts samazina divu sarežģītu datu kopu, piemēram, vizuālo attēlu, salīdzināšanu līdz vienam skaitlim. Punktu produktu kolekcijas, pat vairākām veidnēm, neaizņems daudz vietas atmiņā. Vēl viena pievilcība, pēc Podžo, ir tāda, ka punktu produkti ir viens no vienkāršākajiem, varbūt vienkāršākajiem neironiem izdarāmajiem aprēķiniem.

Eksperimentos Poggio sistēma var nepārsniegt mašīnmācīšanās sistēmas. Bet tas prasa daudz mazāk apmācības piemēru, kas liecina, ka tas labāk atkārto to, ko smadzenes dara. Un lielākajai daļai skaitļošanas uzdevumu smadzeņu pieeja parasti izrādās labāka.

Poggio uzskata, ka punktu produktu kolekcijas varētu nostiprināt arī abstraktākus jēdzienus. Veidnes, kas ietvēra dažādas formas objektu kopas — izkārtotas kā punktiņi uz kauliņa priekšpuses, līnijā vai aplī — varētu būt par pamatu skaitļa jēdzienam. paralēlu līniju veidne, kas aplūkota no dažādām perspektīvām, varētu balstīt paralēlisma vai perspektīvas jēdzienus. Viņš saka, ka var būt vēl interesantas lietas, ko izpētīt.

Izplūdusi domāšana
Tāpat kā Podžo, Džošs Tenenbaums ir Smadzeņu un kognitīvo zinātņu katedras (BCS) profesors un CSAIL galvenais pētnieks. Lai gan viņš vada CBMM attīstības virzienu, kas koncentrējas uz intuitīvu fizikas izpratni, ko demonstrē pat mazi bērni, viņš ir arī veicis pētījumus, kas varētu veicināt Podžo vadīto teorētisko darbu.

Tenenbaums skaidro, ka agrākais AI pētījums bija vērsts uz tādas matemātiskas valodas izveidi, kas varētu iekodēt apgalvojumus, piemēram, putni var lidot un baloži ir putni. Ja valoda būtu pietiekami stingra, domāja pētnieki, datoru algoritmi spētu izķemmēt tajā rakstītos apgalvojumus un aprēķināt visus loģiski pamatotos secinājumus.

Taču izrādījās, ka lingvistisko apgalvojumu izpratnei bija nepieciešams daudz, daudz vairāk pamatinformācijas, nekā bija paredzēts. Piemēram, ne visi putni var lidot. Un starp putniem, kas nevar lidot, ir atšķirība starp robin būrī un robins ar lauztu spārnu, un cita atšķirība starp jebkāda veida robin un pingvīnu. Pietiekami daudz šo saprātīgo izņēmumu kodēšana ar roku, lai ļautu izdarīt pat viselementārākos secinājumus, izrādījās pārmērīgi laikietilpīga.

Turpretim, izmantojot mašīnmācību, dators tiek ievadīts ar daudziem kaut kā piemēriem un tiek atstāts pats par sevi, lai secinātu, kas šiem piemēriem ir kopīgs. (Ņemot vērā miljons lauvas attēlu, mašīnmācīšanās algoritms var kvantitatīvi noteikt savus minējumus: 77 procenti attēlu ar šīm vizuālajām īpašībām ir lauvu attēli.) Taču, lai gan šī pieeja var darboties diezgan labi ar skaidri definētām problēmām, piemēram, attēlu identificēšanu. putniem — tai ir problēmas ar abstraktākiem jēdzieniem, piemēram, lidojums, putnu, helikopteru, pūķu un supervaroņu kopīga jauda. Un pat lidojums ir konkrēts jēdziens, salīdzinot, teiksim, ar gramatiku vai mātes stāvokli.

Tenenbaums un viņa studenti ir izstrādājuši jauna veida rīku, ko sauc par varbūtības programmēšanas valodu, kas apvieno vecās un jaunās AI labākās īpašības. Tāpat kā agrīnās AI valodas, tajā ir ietverti secinājumu izdarīšanas noteikumi. Bet šie noteikumi ir ticami. Ja tika teikts, ka kazuārs ir putns, Tenenbauma valodā rakstītā programma varētu secināt, ka kazuāri, iespējams, var lidot. Bet, ja programmai pēc tam teiktu, ka kazuāri var svērt gandrīz 200 mārciņas, tā varētu pārskatīt savu varbūtību uz leju.

Tenenbaums saka, ka divos agrākajos AI ēros lielākā atšķirība bija simboli un statistika. Viena no lietām, ko esam sapratuši matemātikas jomā, ir tas, kā tos apvienot, kā izdarīt statistiskus secinājumus un varbūtības spriešanu [ar] šīm simboliskajām valodām.

Lasa cilvēkus
Otrais no pieciem Podžo etalonjautājumiem — Kas ir attēlā? — jau sen ir saistīts ar BCS profesores Nensijas Kanvišeres darbu, kura ir vislabāk pazīstama ar funkcionālo MRI izmantošanu, lai identificētu un analizētu smadzeņu reģionu, kas veltīts sejas uztverei.

Kanwisher vada CBMM sociālās inteliģences virzienu, ko viņa uzskata par sava agrākā darba dabisku turpinājumu. Viņa saka, ka, skatoties uz seju, jūs interesē vairāk nekā tikai pamata demogrāfiskā informācija, piemēram, kāda persona tā ir, vai viņi ir vīrieši vai sievietes, cik veci viņi ir. Jūs varat noteikt ne tikai to, vai cilvēks ir priecīgs vai skumjš, bet arī to, vai viņš ir pārliecinošs vai nosacīts, vai viņš ir pārpilns vai pasīvs — ir daudz lietu, ko mēs varam redzēt sejā no ļoti īsa acu uzmetiena.

Līdzīgi, Kanwisher saka, ka cilvēki var daudz secināt par cilvēku noskaņojumu, nodomiem un attiecībām ar citiem no ķermeņa valodas, kuras priekšrocība ir skaitļošanas modelēšana. Viņa arī norāda uz nelaiķa Nalini Ambady, Stenfordas universitātes sociālā psihologa, darbu, kurš izstrādāja plānās šķēles spriedumu teoriju.

Viņa semestra sākumā ierakstīja videoierakstu Hārvardas kursos, kas māca viņu nodarbību priekšā, stāsta Kanvisers. Pēc tam viņa parādīja ļoti īsus šo videoklipu segmentus psiholoģijas eksperimentu subjektiem un teica: 'Novērtējiet šī skolotāja efektivitāti.' Viss, kas viņiem ir, ir dažas sekundes, kad cilvēks istabas priekšā runā ar klasi — jūs nevarat. pat dzirdēt, ko viņi saka. Un viņa atklāja, ka šie vērtējumi bija cieši saistīti ar šīs personas faktisko studentu vērtējumiem.

Kanwisher saka, ka pirmais CBMM sociālās inteliģences virziena projekts būs izstrādāt eksperimentālu uzdevumu kopumu, kas ļauj pētniekiem kvantitatīvi noteikt cilvēka sociālo uztveri. Kad pētnieki ir izveidojuši bāzes līniju, viņi var pētīt tādas lietas kā, piemēram, uzdevumu izpildes attīstība bērnībā vai autisma bērnu sniegums atšķiras no citu bērnu snieguma. Viņi varētu arī identificēt smadzeņu reģionus, kas iesaistīti sociālajā uztverē, izmantojot fMRI, lai izmērītu nervu aktivitāti vai transkraniālo magnētisko stimulāciju, lai traucētu veiktspēju. Un pēc visu šo datu savākšanas viņi mēģinās skaitļošanas veidā modelēt, ko tieši smadzenes dara.

Sekojiet stāstam
Vēlākie Podžo saraksta jautājumi — kurš ar ko ko dara? un Kas notiks tālāk? — aizrauj Patriks Vinstons. Viņš uzskata, ka cilvēka intelekta noteicošā iezīme ir spēja stāstīt un saprast stāstus. Šī spēja pat spēlē lomu attēlu marķēšanā. Kā Vinstonam patīk norādīt, cilvēks atpazīst attēlu, kurā vīrietis tur glāzi pie lūpām, kā dzerošu vīrieti. Ja vīrietis tur glāzi dažas collas tālāk uz priekšu, viņš tostē. Taču cilvēks kā dzeršanas piemēru atpazīs arī attēlu, kurā kaķis pagriež galvu uz augšu, lai no krāna notvertu dažus ūdens pilienus. Jums ir jādomā par to, ko jūs tur redzat kā stāstu, saka Vinstons. Viņiem ir tāda pati etiķete, jo tas ir viens un tas pats stāsts, nevis tāpēc, ka tas izskatās vienādi.

Tas ir viens no iemesliem, kāpēc pētniecības virziens tiek veltīts redzes, valodas un sociālo un motorisko prasmju integrācijai. Lai ilustrētu citu iemeslu, Vinstons norāda uz eksperimentu, ko veica attīstības psiholoģe Elizabete Spelke, bijusī MIT fakultātes locekle, kura tagad atrodas Hārvardā un ir viena no galvenajām attīstības virzienu pētniecēm. Spelke ieinteresēja eksperimenti, kuros pētnieki bija novietojuši žurkas uz rotējošas platformas istabas centrā. Pārtika bija redzami novietota vienā istabas stūrī, bet pēc tam tika maskēta. Pārējos trīs stūros tika novietotas identiskas maskas, un platforma tika pagriezta. Spelke nolēma attiecināt šo pētījumu uz cilvēku bērniem un pieaugušajiem, ēdiena vietā paslēpjot rotaļlietu vai atslēgu gredzenu.

Ar visiem dzīvniekiem, bērniem un pieaugušajiem, tiklīdz rotācija apstājās, testa subjekts ar vienādu varbūtību dotos vai nu uz stūri, kurā atrodas maskēts objekts, vai uz stūri, kas atrodas tam pa diagonāli un kuram bija tādas pašas attiecības ar subjektu. Abas pētnieku grupas arī dažādoja eksperimentu, krāsojot citā krāsā uz vienas no sienām, kas atrodas blakus stūrim, kur objekts tika novietots. Dzīvnieki un mazi bērni joprojām ar vienādu varbūtību izvēlējās vai nu pareizo stūri, vai tam pretējo, bet pieaugušie tagad varēja droši izgūt objektu.

Lūk, kur lietas kļūst interesantas. Ja pieaugušajiem pirms došanās uz objektu tika lūgts noklausīties teksta fragmentu un to deklamēt, viņi atkal sajauca diametrāli pretējos stūrus. Teksta klausīšanās un deklamēšana patērē cilvēka valodas procesoru, un tas samazina tos līdz žurkas līmenim, saka Vinstons. Pēc tam viņi teiks: 'Jā, es redzēju zilo sienu, bet es nevarēju to pilnībā izmantot.'

Atbildēšana uz augstākā līmeņa jautājumiem CBMM pētnieku etalonu sarakstos, iespējams, prasīs daudz ilgāku laiku nekā pieci gadi sākotnējās NSF dotācijas. Bet, Podžo saka, ir pienācis laiks mēģināt vēlreiz. Ir pagājuši 50 gadi. Mēs nezinām, vai šoreiz tas darbosies. Bet, ja nemēģināsim, mēs neuzzināsim.

paslēpties