I et klassisk eksperiment af psykologerne Felix Warneken og Michael Tomasello om menneskets sociale
Så sker der noget fantastisk:barn tilbyder hjælp. Efter at have identificeret personens formål går babyen hen til skabet og åbner dørene, så manden kan sætte sine bøger inde. Men hvordan kan et lille barn med så begrænset livserfaring drage en sådan konklusion?
For nylig har computerforskere omdirigeret dette spørgsmål til computere: Hvordan kan maskiner gøre det samme?
En kritisk komponent at dannesådan forståelse er fejl. Ligesom et lille barn kun kan udlede en persons mål baseret på hans fejl, skal maskinerne, der bestemmer en persons mål, tage hensyn til vores defekte handlinger og planer.
I et forsøg på at genskabe denne sociale intelligensi maskiner har forskere ved Massachusetts Institute of Technology's Computer Science and Artificial Intelligence Laboratory (CSAIL) og Department of Brain and Cognitive Sciences oprettet en algoritme, der er i stand til at identificere mål og planer, selvom disse planer måske mislykkes.
Denne type forskning kan i sidste ende værebruges til at forbedre en række hjælpeteknologier, samarbejds- eller plejebobotter og digitale assistenter som Siri og Alexa.
"Agent" og "Observer" demonstrerer, hvordan nyeMITs algoritme er i stand til at identificere mål og planer, selvom disse planer muligvis mislykkes. Her laver agenten en defekt plan for at nå den blå perle, som observatøren anser for mulig. Kredit: Massachusetts Institute of Technology
”Denne evne til at redegøre for fejl kan havekritisk for at bygge maskiner, der pålideligt drager konklusioner og handler på vores vegne, forklarer Tang Chih-Xuan, Ph.D., studerende ved Massachusetts Institute of Technology (MIT) og hovedforfatter af et nyt forskningspapir. "Ellers kan AI-systemer fejlagtigt konkludere, at fordi vi ikke nåede vores højere ordensmål, var disse mål i sidste ende uønskede."
For at oprette deres model brugte teametGen, en ny AI-programmeringsplatform, der for nylig er udviklet på MIT til at kombinere symbolsk AI-planlægning med Bayesian-slutning. Bayesiansk slutning giver en optimal måde at kombinere usikker tro på med nye data og bruges i vid udstrækning til økonomisk risikovurdering, diagnostisk test og valgprognoser.
Når du opretter algoritmen "Sekventiel søgningReverse Planning (SIPS) ”forskere har inspireret til en generel måde at planlægge mennesker på, der stort set er suboptimal. En person planlægger måske ikke alt på forhånd, men snarere danner delplaner, udfører dem og baserer på nye resultater planer igen. Selvom det kan føre til fejl på grund af utilstrækkelig tænkning "på forhånd", reducerer denne type tænkning den kognitive belastning.
Forskere håber, at deres forskning vil lægge grundennye filosofiske og konceptuelle rammer, der er nødvendige for at skabe maskiner, der virkelig forstår menneskelige mål, planer og værdier. Den nye grundlæggende tilgang til at modellere mennesker som uperfekte tænkere virker meget lovende for ingeniører.
Læs også
20 nye arter af dyr og planter findes i Andesbjergene
Der er motorveje i rummet til hurtig rejse. Hvordan vil flyvninger ændre sig?
Navngivet en plante, der ikke er bange for klimaændringer. Det fodrer en milliard mennesker