Θυμάστε το εκπληκτικό, αποκαλυπτικό συναίσθημα όταν ανακαλύψατε για πρώτη φορά την ύπαρξη της αιτίας και του αποτελέσματος; Αυτή είναι μια ερώτηση κόλπο. Τα παιδιά αρχίζουν να μαθαίνουν την αρχή της αιτιότητας από την ηλικία των οκτώ μηνών, βοηθώντας τα να βγάλουν στοιχειώδη συμπεράσματα για τον κόσμο γύρω τους. Αλλά οι περισσότεροι από εμάς δεν θυμόμαστε πολλά πριν από την ηλικία των τριών ή τεσσάρων ετών, οπότε το σημαντικό μάθημα του «γιατί» είναι κάτι που απλώς θεωρούμε δεδομένο.
Δεν είναι μόνο ένα κρίσιμο μάθημα που πρέπει να μάθουν οι άνθρωποι, αλλά και ένα μάθημα στο οποίο τα σημερινά συστήματα τεχνητής νοημοσύνης είναι πολύ άσχημα. Ενώ η σύγχρονη A.I. είναι ικανό να χτυπώντας ανθρώπους παίκτες στο Go και οδηγώντας αυτοκίνητα σε πολυσύχναστους δρόμους, αυτό δεν είναι απαραίτητα συγκρίσιμο με το είδος της νοημοσύνης που μπορεί να χρησιμοποιήσουν οι άνθρωποι για να κυριαρχήσουν αυτές τις ικανότητες. Αυτό συμβαίνει επειδή οι άνθρωποι - ακόμη και τα μικρά βρέφη - έχουν την ικανότητα να γενικεύουν εφαρμόζοντας τη γνώση από τον έναν τομέα στον άλλο. Για A.I. να ανταποκριθεί στις δυνατότητές του, αυτό είναι
κάτι που πρέπει επίσης να μπορεί να κάνει.Προτεινόμενα βίντεο
«Για παράδειγμα, εάν το ρομπότ έμαθε πώς να χτίζει έναν πύργο χρησιμοποιώντας μερικά μπλοκ, μπορεί να θέλει να μεταφέρει αυτές τις δεξιότητες στην κατασκευή μιας γέφυρας ή ακόμα και μιας κατασκευής που μοιάζει με σπίτι». Οσάμα Αχμέτ, φοιτητής μεταπτυχιακού στο ETH Ζυρίχης στην Ελβετία, είπε στο Digital Trends. «Ένας τρόπος για να επιτευχθεί αυτό μπορεί να είναι η εκμάθηση των αιτιακών σχέσεων μεταξύ των διαφορετικών μεταβλητών περιβάλλοντος. Ή φανταστείτε ότι το Ρομπότ TriFinger χρησιμοποιείται σε CausalWorld ξαφνικά χάνει ένα δάχτυλο λόγω δυσλειτουργίας υλικού. Πώς μπορεί ακόμα να χτίσει το σχήμα του γκολ με μόνο δύο δάχτυλα;»
Βίντεο CausalWorld
Ένας εικονικός κόσμος εκπαίδευσης για μηχανές
CausalWorld είναι αυτό Φρέντερικ Τρόιμπλε, Διδάκτωρ. φοιτητής στο Ινστιτούτο Max Planck για Ευφυή Συστήματα στη Γερμανία, αναφέρεται ως «σημείο αναφοράς χειραγώγησης». Είναι ένα βήμα προς τα προώθηση της έρευνας έτσι ώστε οι ρομποτικοί παράγοντες να μπορούν να γενικεύουν καλύτερα διάφορες αλλαγές στις ιδιότητες ενός περιβάλλοντος, όπως η μάζα ή το σχήμα αντικείμενα. Για παράδειγμα, εάν ένα ρομπότ μάθει να σηκώνει ένα συγκεκριμένο αντικείμενο, μπορεί εύλογα να το περιμένουμε μπορεί να μεταφέρει αυτή την ικανότητα σε βαρύτερα αντικείμενα — αρκεί να κατανοήσει τη σωστή αιτιατική σχέση.
Το είδος του εικονικού περιβάλλοντος εκπαίδευσης για το οποίο έχουμε συνηθίσει να ακούμε σε ταινίες επιστημονικής φαντασίας είναι αυτό, ας πούμε, Το Matrix: ένας εικονικός κόσμος στον οποίο δεν ισχύουν κανόνες. Στο CausalWorld, όπου οι ερευνητές μπορούν συστηματικά να εκπαιδεύουν και να αξιολογούν τις μεθόδους τους σε ρομποτικά περιβάλλοντα, συμβαίνει ακριβώς το αντίθετο. Το παν είναι η εκμάθηση των κανόνων — και η εφαρμογή τους. Στους πράκτορες ρομπότ μπορούν να ανατεθούν εργασίες παρόμοιες με αυτές στις οποίες συμμετέχουν τα παιδιά όταν παίζουν με μπλοκ για να κάνουν στοίβαξη, σπρώξιμο και άλλο παιχνίδι αιτίου-αποτελέσματος. Οι ερευνητές μπορούν να παρέμβουν για να δοκιμάσουν τις ικανότητες γενίκευσης του ρομπότ καθώς μαθαίνει. Είναι βασικά ένα περιβάλλον δοκιμών που θα βοηθήσει στην αξιολόγηση του τρόπου με τον οποίο το A.I. οι πράκτορες μπορούν να γενικεύουν.
«Τα περισσότερα σύγχρονα A.I. βασίζεται στη στατιστική μάθηση, η οποία έχει να κάνει με την εξαγωγή στατιστικών πληροφοριών - για παράδειγμα, συσχετισμούς - από δεδομένα, Bernhard Schölkopf, διευθυντής του Ινστιτούτου Max Planck, δήλωσε στο Digital Trends. «Αυτό είναι υπέροχο γιατί μας επιτρέπει να προβλέψουμε μια ποσότητα από άλλες, αλλά μόνο εφόσον δεν αλλάζει τίποτα. Όταν παρεμβαίνετε σε ένα σύστημα, τότε όλα τα στοιχήματα είναι εκτός λειτουργίας. Για να κάνουμε προβλέψεις σε τέτοιες περιπτώσεις, πρέπει να πάμε πέρα από τη στατιστική μάθηση, προς την αιτιότητα. Τελικά, αν μελλοντική A.I. είναι η σκέψη με την έννοια της «δράσης σε φανταστικούς χώρους», τότε οι παρεμβάσεις είναι βασικές, και επομένως η αιτιότητα πρέπει να λαμβάνεται υπόψη».
Συστάσεις των συντακτών
- Ρομπότ ασφαλείας θα μπορούσαν να έρχονται σε ένα σχολείο κοντά σας
- Η Amazon αναπτύσσει τεχνητή νοημοσύνη για να συνοψίσει τις κριτικές προϊόντων
- Η Amazon σχεδιάζει αλλαγές «μια φορά σε μια γενιά» για την Αναζήτηση, αποκαλύπτει μια αγγελία εργασίας
- Ο Έξυπνος καμβάς Google αποκτά βαθύτερη ενοποίηση μεταξύ των εφαρμογών
- Το τελευταίο A.I της Nvidia. Τα αποτελέσματα αποδεικνύουν ότι η ARM είναι έτοιμη για το κέντρο δεδομένων
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
