อัลกอริทึมที่อาศัยความผิดพลาดของมนุษย์จะช่วยในการฝึกอบรม AI

ในการทดลองคลาสสิกโดยนักจิตวิทยา Felix Warneken และ Michael Tomasello เกี่ยวกับสังคมมนุษย์

ในทางสติปัญญา เด็กทารกอายุ 18 เดือนสังเกตวิธีการชายคนหนึ่งถือกองหนังสือไปที่ตู้ปิด เมื่อเขาเข้าใกล้ตู้เสื้อผ้า เขาเคาะหนังสือของเขากับประตูตู้เสื้อผ้าอย่างงุ่มง่ามหลายครั้ง จากนั้นก็ส่งเสียงงุนงง

แล้วสิ่งที่น่าอัศจรรย์ก็เกิดขึ้น:เด็กเสนอความช่วยเหลือ เมื่อระบุจุดประสงค์ของบุคคลนั้นทารกก็ไปที่ตู้เสื้อผ้าและเปิดประตูปล่อยให้ชายคนนั้นใส่หนังสือเข้าไปข้างใน แต่เด็กวัยเตาะแตะที่มีประสบการณ์ชีวิตที่ จำกัด เช่นนี้จะสรุปได้อย่างไร?

เมื่อเร็ว ๆ นี้นักวิทยาศาสตร์คอมพิวเตอร์ได้เปลี่ยนเส้นทางคำถามนี้ไปยังคอมพิวเตอร์: เครื่องจักรจะทำเช่นเดียวกันได้อย่างไร?

องค์ประกอบที่สำคัญในการสร้างความเข้าใจดังกล่าวเป็นข้อผิดพลาด เช่นเดียวกับที่เด็กวัยเตาะแตะสามารถสรุปเป้าหมายของบุคคลได้จากความล้มเหลวของเขาเท่านั้นเครื่องจักรที่กำหนดเป้าหมายของบุคคลจะต้องคำนึงถึงการกระทำและแผนการที่ผิดพลาดของเราด้วย

ด้วยความพยายามที่จะสร้างความฉลาดทางสังคมขึ้นใหม่ในเครื่องจักรนักวิจัยจากห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ของ Massachusetts Institute of Technology (CSAIL) และ Department of Brain and Cognitive Sciences ได้สร้างอัลกอริทึมที่สามารถระบุเป้าหมายและแผนแม้ว่าแผนเหล่านั้นอาจล้มเหลว

การวิจัยประเภทนี้สามารถทำได้ในที่สุดใช้เพื่อปรับปรุงเทคโนโลยีอำนวยความสะดวกต่างๆการทำงานร่วมกันหรือการดูแลหุ่นยนต์และผู้ช่วยดิจิทัลเช่น Siri และ Alexa

"ตัวแทน" และ "ผู้สังเกตการณ์" สาธิตวิธีการใหม่อัลกอริทึมของ MIT สามารถระบุเป้าหมายและแผนแม้ว่าแผนเหล่านั้นอาจล้มเหลว ที่นี่ตัวแทนวางแผนผิดพลาดเพื่อเข้าถึงอัญมณีสีน้ำเงินที่ผู้สังเกตการณ์เห็นว่าเป็นไปได้ เครดิต: Massachusetts Institute of Technology

“ ความสามารถในการพิจารณาข้อผิดพลาดนี้อาจมีได้Tang Chih-Xuan, Ph.D. , นักศึกษาจาก Massachusetts Institute of Technology (MIT) และผู้เขียนนำเอกสารวิจัยใหม่กล่าวว่ามีความสำคัญอย่างยิ่งต่อการสร้างเครื่องจักรที่สามารถสรุปข้อสรุปและดำเนินการในนามของเราได้อย่างน่าเชื่อถือ "มิฉะนั้นระบบ AI อาจสรุปผิดพลาดว่าเพราะเราไม่สามารถบรรลุเป้าหมายลำดับที่สูงกว่าเป้าหมายเหล่านั้นจึงไม่เป็นที่ต้องการในที่สุด"

ในการสร้างแบบจำลองทีมใช้Gen ซึ่งเป็นแพลตฟอร์มการเขียนโปรแกรม AI ใหม่ที่เพิ่งพัฒนาขึ้นที่ MIT เพื่อรวมการวางแผน AI เชิงสัญลักษณ์เข้ากับการอนุมานแบบเบย์ การอนุมานแบบเบย์เป็นวิธีที่ดีที่สุดในการรวมความเชื่อที่ไม่แน่นอนเข้ากับข้อมูลใหม่และใช้กันอย่างแพร่หลายสำหรับการประเมินความเสี่ยงทางการเงินการทดสอบวินิจฉัยและการพยากรณ์การเลือกตั้ง

เมื่อสร้างอัลกอริทึม "การค้นหาตามลำดับแผนย้อนกลับ (SIPS)” นักวิทยาศาสตร์ได้สร้างแรงบันดาลใจให้กับวิธีการทั่วไปในการวางแผนของมนุษย์ซึ่งส่วนใหญ่ไม่เหมาะสม คน ๆ หนึ่งอาจไม่ได้วางแผนทุกอย่างไว้ล่วงหน้า แต่จะจัดทำแผนบางส่วนดำเนินการและวางแผนอีกครั้งตามผลลัพธ์ใหม่ แม้ว่าอาจนำไปสู่ข้อผิดพลาดเนื่องจากการคิดล่วงหน้าไม่เพียงพอ แต่การคิดประเภทนี้จะช่วยลดภาระทางปัญญา

นักวิทยาศาสตร์หวังว่าการวิจัยของพวกเขาจะเป็นรากฐานกรอบปรัชญาและแนวคิดใหม่ที่จำเป็นในการสร้างเครื่องจักรที่เข้าใจเป้าหมาย แผนงาน และค่านิยมของมนุษย์อย่างแท้จริง แนวทางพื้นฐานใหม่ในการสร้างแบบจำลองมนุษย์ในฐานะนักคิดที่ไม่สมบูรณ์ดูมีแนวโน้มที่ดีสำหรับวิศวกร

อ่านยัง

สัตว์และพืชชนิดใหม่ 20 ชนิดที่พบในเทือกเขาแอนดีส

มีทางหลวงในอวกาศสำหรับการเดินทางที่รวดเร็ว เที่ยวบินจะเปลี่ยนไปอย่างไร?

ตั้งชื่อพืชที่ไม่กลัวการเปลี่ยนแปลงสภาพภูมิอากาศ สามารถเลี้ยงคนได้เป็นพันล้านคน