211service.com
Googles AI Guru sier at stor kunstig intelligens må bygge på nevrovitenskap
Demis Hassabis kan en ting eller to om kunstig intelligens: han grunnla den London-baserte AI-startupen DeepMind , som ble kjøpt av Google for 650 millioner dollar tilbake i 2014. Siden den gang har selskapet hans tørket gulvet med mennesker i det komplekse spillet Go og begynte å ta skritt mot å lage mer generelle AI-er.
Men nå har han kommet ut og sagt at den eneste måten for kunstig intelligens å realisere sitt sanne potensial på er med en dose inspirasjon fra menneskelig intellekt.
For tiden er de fleste AI-systemer basert på lag med matematikk som bare er løst inspirert av måten den menneskelige hjernen fungerer på. Men forskjellige typer maskinlæring, for eksempel talegjenkjenning eller identifisering av objekter i et bilde, krever forskjellige matematiske strukturer, og de resulterende algoritmene er bare i stand til å utføre svært spesifikke oppgaver.
Å bygge AI som kan utføre generelle oppgaver, i stedet for nisjeoppgaver, er et langvarig ønske i verden av maskinlæring. Men sannheten er at å utvide disse spesialiserte algoritmene til noe mer allsidig er fortsatt et utrolig vanskelig problem, delvis fordi menneskelige egenskaper som nysgjerrighet, fantasi og hukommelse ikke eksisterer eller bare er i sin spede begynnelse i AI-verdenen.
I et papir publisert i dag i tidsskriftet Nevron , hevder Hassabis og tre medforfattere at bare ved å bedre forstå menneskelig intelligens kan vi håpe å flytte grensene for hva kunstig intellekt kan oppnå.
For det første, sier de, vil bedre forståelse av hvordan hjernen fungerer, tillate oss å lage nye strukturer og algoritmer for elektronisk intelligens. For det andre kan erfaringer fra bygging og testing av banebrytende AI-er hjelpe oss med å bedre definere hva intelligens egentlig er.
Papiret selv gjennomgår historien til nevrovitenskap og kunstig intelligens for å forstå interaksjonene mellom de to. Den hevder at dyp læring, som bruker lag med kunstige nevroner for å forstå input, og forsterkende læring, hvor systemer lærer ved prøving og feiling, begge skylder mye til nevrovitenskap.
Men den påpeker også at nyere fremskritt ikke har støttet seg like effektivt på biologi, og at en generell intelligens vil trenge mer menneskelignende egenskaper – som en intuitiv forståelse av den virkelige verden og mer effektive måter å lære på. Løsningen, hevder Hassabis og hans kolleger, er en fornyet utveksling av ideer mellom AI og nevrovitenskap [som] kan skape en 'god sirkel' som fremmer målene for begge feltene.
Hassabis er ikke alene om denne typen tenkning. Gary Marcus, professor i psykologi ved New York University og tidligere direktør for Ubers AI-laboratorium, har hevdet at maskinlæringssystemer kan forbedres ved å bruke ideer samlet ved å studere den kognitive utviklingen til barn.
Likevel vil det ikke være lett å implementere disse funnene digitalt. Som Hassabis forklarer i et intervju med Verge , kunstig intelligens og nevrovitenskap har blitt to veldig, veldig store felt som er gjennomsyret av sine egne tradisjoner, noe som gjør det ganske vanskelig å være ekspert på selv en av disse feltene, enn si ekspert nok på begge til at du kan oversette og finne sammenhenger mellom dem.
(Les mer: Nevron , The Verge , Googles etterretningsdesigner , Kan denne mannen gjøre AI mer menneskelig? )