Într-un experiment clasic al psihologilor Felix Warneken și Michael Tomasello asupra socialului uman
Atunci se întâmplă ceva uimitor:copilul oferă ajutor. După ce a identificat scopul persoanei, bebelușul merge la dulap și își deschide ușile, permițându-i bărbatului să-și pună cărțile înăuntru. Dar cum poate un copil cu o experiență de viață atât de limitată să ajungă la o astfel de concluzie?
Recent, informaticienii au redirecționat această întrebare către computere: Cum pot face mașinile la fel?
O componentă critică de formatato astfel de înțelegere sunt erori. Așa cum un copil mic poate deduce obiectivul unei persoane pe baza eșecurilor sale, mașinile care determină obiectivele unei persoane trebuie să țină cont de acțiunile și planurile noastre defectuoase.
Într-un efort de a recrea această inteligență socialăîn mașini, cercetătorii de la Massachusetts Institute of Technology's Computer Science and Artificial Intelligence Laboratory (CSAIL) și Departamentul Brain and Cognitive Sciences au creat un algoritm capabil să identifice obiective și planuri, chiar dacă aceste planuri ar putea eșua.
Acest tip de cercetare poate fi în cele din urmăutilizate pentru îmbunătățirea unei game de tehnologii de asistență, roboți de colaborare sau de îngrijire și asistenți digitali precum Siri și Alexa.
„Agent” și „Observator” demonstrează cât de noiAlgoritmul MIT este capabil să identifice obiective și planuri, chiar dacă aceste planuri ar putea eșua. Aici agentul face un plan defect pentru a ajunge la bijuteria albastră pe care observatorul o consideră posibilă. Credit: Institutul de Tehnologie din Massachusetts
„Această capacitate de a ține cont de erori poate aveaesențial pentru construirea de mașini care să tragă concluzii și să acționeze în numele nostru, explică Tang Chih-Xuan, doctorand, student la Massachusetts Institute of Technology (MIT) și autor principal al unei noi lucrări de cercetare. „În caz contrar, sistemele de IA ar putea concluziona din greșeală că, deoarece nu am reușit să ne atingem obiectivele de ordin superior, aceste obiective au fost în cele din urmă nedorite.”
Pentru a-și crea modelul, echipa a folosit-oGen, o nouă platformă de programare AI dezvoltată recent la MIT pentru a combina planificarea AI simbolică cu inferența bayesiană. Inferența bayesiană oferă o modalitate optimă de a combina convingeri incerte cu date noi și este utilizată pe scară largă pentru evaluarea riscurilor financiare, testarea diagnosticului și prognozarea alegerilor.
La crearea algoritmului „Căutare secvențialăoamenii de știință au inspirat un mod general de planificare umană, care este în mare parte sub-optim. Este posibil ca o persoană să nu planifice totul în avans, ci să formeze planuri parțiale, să le pună în aplicare și, pe baza noilor rezultate, să facă din nou planuri. Deși poate duce la erori din cauza gândirii insuficiente „în avans”, acest tip de gândire reduce sarcina cognitivă.
Oamenii de știință speră că cercetările lor vor pune bazelenoi cadre filozofice și conceptuale necesare pentru a crea mașini care să înțeleagă cu adevărat obiectivele, planurile și valorile umane. Noua abordare de bază a modelării oamenilor ca gânditori imperfecți pare foarte promițătoare pentru ingineri.
Citește și
20 de specii noi de animale și plante găsite în Anzi
Există autostrăzi în spațiu pentru călătorii rapide. Cum se vor schimba zborurile?
Numită o plantă care nu se teme de schimbările climatice. Hrănește un miliard de oameni