En un experimento clásico de los psicólogos Felix Warneken y Michael Tomasello sobre las relaciones sociales humanas.
Entonces sucede algo asombroso: малыш предлагает помощь. Выявив цель человека, малыш подходит к шкафу и открывает его дверцы, позволяя мужчине поместить внутрь свои книги. Но как малыш с таким ограниченным жизненным опытом может сделать такой вывод?
Recientemente, los científicos de la computación han redirigido esta pregunta a las computadoras: ¿Cómo pueden las máquinas hacer lo mismo?
Un componente crítico para formartal comprensión son errores. Así como un niño pequeño solo puede inferir el objetivo de una persona en función de sus fallas, las máquinas que determinan los objetivos de una persona deben tener en cuenta nuestras acciones y planes defectuosos.
En un esfuerzo por recrear esta inteligencia socialEn máquinas, investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del Instituto Tecnológico de Massachusetts y el Departamento de Ciencias Cerebrales y Cognitivas han creado un algoritmo capaz de identificar metas y planes, incluso si esos planes pueden fallar.
Este tipo de investigación puede finalmente serse utiliza para mejorar una gama de tecnologías de asistencia, robots de colaboración o asistenciales y asistentes digitales como Siri y Alexa.
"Agente" y "Observador" demuestran lo nuevoEl algoritmo del MIT es capaz de identificar objetivos y planes incluso si esos planes pueden fallar. Aquí el agente hace un plan defectuoso para llegar a la gema azul que el observador considera posible. Crédito: Instituto de Tecnología de Massachusetts
"Esta capacidad de dar cuenta de los errores puede tenerfundamental para construir máquinas que saquen conclusiones de manera confiable y actúen en nuestro beneficio, explica Tang Chih-Xuan, Ph.D., estudiante del Instituto de Tecnología de Massachusetts (MIT) y autor principal de un nuevo artículo de investigación. "De lo contrario, los sistemas de inteligencia artificial pueden llegar a la conclusión errónea de que, debido a que no logramos nuestros objetivos de orden superior, esos objetivos eran en última instancia indeseables".
Para crear su modelo, el equipo utilizóGen, una nueva plataforma de programación de IA desarrollada recientemente en el MIT para combinar la planificación de IA simbólica con la inferencia bayesiana. La inferencia bayesiana proporciona una forma óptima de combinar creencias inciertas con nuevos datos y se usa ampliamente para la evaluación de riesgos financieros, las pruebas de diagnóstico y el pronóstico de elecciones.
Al crear el algoritmo "Búsqueda secuencialLos científicos del plan inverso (SIPS) ”han inspirado una forma general de planificación humana, que es en gran medida subóptima. Es posible que una persona no planee todo de antemano, sino que forme planes parciales, los implemente y, en función de los nuevos resultados, vuelva a hacer planes. Si bien puede dar lugar a errores debido a un pensamiento insuficiente "de antemano", este tipo de pensamiento reduce la carga cognitiva.
Los científicos esperan que su investigación siente las basesSe necesitan nuevos marcos filosóficos y conceptuales para crear máquinas que realmente comprendan las metas, los planes y los valores humanos. El nuevo enfoque básico de modelar a los humanos como pensadores imperfectos parece muy prometedor para los ingenieros.
Leer también
20 nuevas especies de animales y plantas encontradas en los Andes
Hay carreteras en el espacio para viajar rápido. ¿Cómo cambiarán los vuelos?
Nombrada una planta que no teme al cambio climático. Alimenta a mil millones de personas