Psykologit Felix Warnekenin ja Michael Tomasellon klassisessa kokeessa ihmisen sosiaalisesta kehityksestä
Sitten tapahtuu jotain hämmästyttävää:lapsi tarjoaa apua. Tunnistettuaan henkilön tarkoituksen vauva menee kaappiin ja avaa ovensa, jolloin mies voi laittaa kirjansa sisälle. Mutta kuinka lapsi, jolla on niin rajallinen elämänkokemus, voi tehdä tällaisen johtopäätöksen?
Äskettäin tietojenkäsittelytieteen tutkijat ovat ohjaaneet tämän kysymyksen tietokoneisiin: Kuinka koneet voivat tehdä saman?
Kriittinen komponentti muodostettavaksitällainen ymmärtäminen on virheitä. Aivan kuten lapsi voi päätellä vain ihmisen tavoitteen epäonnistumistensa perusteella, ihmisen tavoitteiden määrittelevien koneiden on otettava huomioon virheelliset tekomme ja suunnitelmamme.
Pyrkimyksenä luoda tämä sosiaalinen älykkyys uudelleenkoneissa Massachusettsin teknillisen instituutin tietojenkäsittelytieteen ja tekoälyn laboratorion (CSAIL) sekä aivo- ja kognitiivitieteiden laitoksen tutkijat ovat luoneet algoritmin, joka pystyy tunnistamaan tavoitteet ja suunnitelmat, vaikka suunnitelmat saattavat epäonnistua.
Tämän tyyppinen tutkimus voi lopulta ollakäytetään parantamaan erilaisia avustavia tekniikoita, yhteistyö- tai hoitorobotteja ja digitaalisia avustajia, kuten Siri ja Alexa.
"Agentti" ja "tarkkailija" osoittavat kuinka uusiMIT-algoritmi pystyy määrittämään tavoitteet ja suunnitelmat, vaikka nämä suunnitelmat saattavat epäonnistua. Tällöin agentti tekee viallisen suunnitelman päästä siniseen helmiin, jonka tarkkailija pitää mahdollisena. Luotto: Massachusetts Institute of Technology
"Tällä kyvyllä ottaa huomioon virheet voivat ollakriittinen rakennuskoneille, jotka tekevät luotettavasti johtopäätöksiä ja toimivat puolestamme, kertoo tohtori Tang Chih-Xuan, Massachusettsin teknillisen instituutin (MIT) opiskelija ja uuden tutkimustyön pääkirjoittaja. "Muuten tekoälyjärjestelmät voivat erehtyä siitä, että koska emme saavuttaneet korkeamman asteen tavoitteitamme, nämä tavoitteet olivat lopulta epätoivottuja."
Joukkue käytti mallinsa luomiseenGen, uusi tekoälyn ohjelmointialusta, joka on äskettäin kehitetty MIT: ssä yhdistämään symbolinen tekoälyn suunnittelu Bayesin päätelmiin. Bayesin päättely tarjoaa optimaalisen tavan yhdistää epävarmat uskomukset uusiin tietoihin, ja sitä käytetään laajalti taloudellisten riskien arviointiin, diagnostiseen testaukseen ja vaalien ennustamiseen.
Kun luot algoritmia "Peräkkäinen hakukäänteinen suunnitelma (SIPS) ”-tutkijat ovat innoittaneet yleistä inhimillisen suunnittelun tapaa, joka on suurimmaksi osaksi alle optimaalisen. Henkilö ei voi suunnitella kaikkea etukäteen, vaan pikemminkin laatia osittaisia suunnitelmia, toteuttaa ne ja tehdä uusien tulosten perusteella suunnitelmia uudelleen. Vaikka se voi johtaa virheisiin, jotka johtuvat riittämättömästä ajattelusta "etukäteen", tämäntyyppinen ajattelu vähentää kognitiivista kuormitusta.
Tiedemiehet toivovat, että heidän tutkimuksensa luo pohjanuusia filosofisia ja käsitteellisiä puitteita tarvitaan luomaan koneita, jotka todella ymmärtävät ihmisten tavoitteita, suunnitelmia ja arvoja. Uusi peruslähestymistapa ihmisten mallintamisesta epätäydellisiksi ajattelijoiksi vaikuttaa insinööreistä erittäin lupaavalta.
Lue myös
Andeista löytyy 20 uutta eläin- ja kasvilajia
Avaruudessa on moottoriteitä nopeaan matkustamiseen. Kuinka lennot muuttuvat?
Nimetty kasvi, joka ei pelkää ilmastonmuutosta. Se ruokkii miljardia ihmistä