Psihologu Fēliksa Vornekena un Maikla Tomasello klasiskajā eksperimentā par cilvēku sociālo
Tad notiek kaut kas pārsteidzošs:bērns piedāvā palīdzību. Konstatējis personas mērķi, zīdainis dodas pie skapja un atver tā durvis, ļaujot vīrietim ievietot savas grāmatas. Bet kā mazulis ar tik ierobežotu dzīves pieredzi var izdarīt šādu secinājumu?
Nesen datorzinātnieki ir novirzījuši šo jautājumu uz datoriem: kā mašīnas var darīt to pašu?
Veidojamais kritiskais komponentsšāda izpratne ir kļūdas. Tāpat kā mazulis var secināt tikai par cilvēka mērķi, pamatojoties uz viņa neveiksmēm, mašīnām, kas nosaka personas mērķus, jāņem vērā mūsu kļūdainās darbības un plāni.
Cenšoties atjaunot šo sociālo intelektuMašīnās Masačūsetsas Tehnoloģiju institūta Datorzinātnes un mākslīgā intelekta laboratorijas (CSAIL) un Smadzeņu un kognitīvo zinātņu departamenta pētnieki ir izveidojuši algoritmu, kas spēj identificēt mērķus un plānus, pat ja šie plāni varētu neizdoties.
Šāda veida pētījumi galu galā var būtizmanto, lai uzlabotu palīgtehnoloģiju klāstu, sadarbības vai kopšanas robotus un digitālos palīgus, piemēram, Siri un Alexa.
"Aģents" un "Novērotājs" demonstrē, cik jaunsMIT algoritms spēj identificēt mērķus un plānus, pat ja šie plāni varētu neizdoties. Šeit aģents izveido kļūdainu plānu, lai sasniegtu zilo dārgakmeni, kuru novērotājs uzskata par iespējamu. Kredīts: Masačūsetsas Tehnoloģiju institūts
Šī spēja ņemt vērā kļūdas var būtkritiski svarīgi celtniecības mašīnām, kas droši izdara secinājumus un rīkojas mūsu vārdā, skaidro Tang Chih-Xuan, Ph.D., Masačūsetsas Tehnoloģiskā institūta (MIT) students un jauna pētījuma raksta galvenais autors. "Pretējā gadījumā AI sistēmas var kļūdaini secināt, ka tāpēc, ka mums neizdevās sasniegt augstākas pakāpes mērķus, šie mērķi galu galā bija nevēlami."
Lai izveidotu savu modeli, komanda izmantojaGen, jauna AI programmēšanas platforma, kas nesen tika izstrādāta MIT, lai apvienotu simbolisko AI plānošanu ar Bayesian secinājumu. Bajesa secinājums nodrošina optimālu veidu, kā neskaidros uzskatus apvienot ar jauniem datiem, un to plaši izmanto finanšu riska novērtēšanai, diagnostikas testēšanai un vēlēšanu prognozēšanai.
Veidojot algoritmu "Secīga meklēšanareversais plāns (SIPS) ”zinātnieki ir iedvesmojuši vispārēju cilvēku plānošanas veidu, kas lielākoties nav optimāls. Iespējams, ka cilvēks visu neplāno iepriekš, bet drīzāk veido daļējus plānus, tos īsteno un, pamatojoties uz jauniem rezultātiem, atkal izstrādā plānus. Lai gan tas var izraisīt kļūdas nepietiekamas domāšanas dēļ “pirms laika”, šāda veida domāšana samazina kognitīvo slodzi.
Zinātnieki cer, ka viņu pētījumi liks pamatujaunas filozofiskās un konceptuālās sistēmas, kas nepieciešamas, lai radītu mašīnas, kas patiesi izprot cilvēka mērķus, plānus un vērtības. Jaunā pamata pieeja modelēt cilvēkus kā nepilnīgus domātājus inženieriem šķiet ļoti daudzsološa.
Lasīt arī
Andos sastopamas 20 jaunas dzīvnieku un augu sugas
Kosmosā ir maģistrāles ātrai ceļošanai. Kā mainīsies lidojumi?
Nosaukts augs, kas nebaidās no klimata izmaiņām. Tas baro miljardu cilvēku