Miks on neurosümboolne tehisintellekt A.I Tulevikust

Kujutage ette salve. Kandikul on valik kujundeid: ühed kuubikud, teised kerakesed. Kujundid on valmistatud erinevatest erinevatest materjalidest ja esindavad erinevaid suurusi. Kokku on ehk kaheksa objekti. Minu küsimus: "Kas objekte vaadates on seal võrdne arv suuri asju ja metallkuulikesi?"

See ei ole trikiküsimus. Asjaolu, et see kõlab nii, tõestab positiivselt, kui lihtne see tegelikult on. See on selline küsimus, millele koolieelik võiks tõenäoliselt hõlpsalt vastata. Kuid tänapäevaste nüüdisaegsete närvivõrkude jaoks on see peaaegu võimatu. Seda on vaja muuta. Ja see peab juhtuma tehisintellekti taasleiutamise teel, nagu me seda teame.

See pole minu arvamus; see on arvamus David Cox, MIT-IBM Watson A.I. direktor. Labor Cambridge'is, MA. Eelmises elus oli Cox Harvardi ülikooli professor, kus tema meeskond kasutas neuroteaduste teadmisi, et aidata luua paremaid aju-inspireeritud masinõppe arvutisüsteeme. Oma praeguses rollis IBMis juhib ta ainulaadset partnerlust MIT-i ja IBM-i vahel, mis edendab A.I. uuringud, sealhulgas IBMi Watson A.I. platvorm. Watson, neile, kes ei tea, oli A.I. mis alistas kuulsalt kaks mängusaate tippmängijat

ajaloos televiktoriinis Oht. Watson on ka peamiselt masinõppesüsteem, mis on koolitatud inimestest tulenevate reeglite asemel tohutute andmete abil.

Nii et kui Cox ütleb, et maailm peab A.I ümber mõtlema. uude kümnendisse jõudes kõlab see kuidagi kummaliselt. Lõppude lõpuks on 2010. aastad olnud A.I. vaieldamatult edukaim kümme aastat. ajalugu: periood, mil läbimurded toimuvad näiliselt iganädalaselt ja ilma härmatise vihjeta A.I. talvel silmapiiril. Just seetõttu arvab ta, et A.I. tuleb siiski muuta. Ja tema ettepanek selle muudatuse kohta, praegu ebaselge termin nimega "neuro-sümboliline A.I.", võib saada üheks nendest fraasidest, millega oleme 2020. aastate lõpuks tuttavad.

Sümboolse A.I tõus ja langus.

Neuro-sümboolne A.I. ei ole rangelt võttes täiesti uus viis A.I tegemiseks. See on kombinatsioon kahest olemasolevast lähenemisviisist mõtlemismasinate loomisele; need, mis olid kunagi surmavaenlastena vastandatud.

Nime "sümboolne" osa viitab esimesele peavoolu lähenemisviisile tehisintellekti loomisel. 1950. aastatest kuni 1980. aastateni on sümboolne A.I. valitses ülem. Sümboolsele A.I. Uurija sõnul põhineb intelligentsus inimeste võimel mõista ümbritsevat maailma, moodustades sisemisi sümboolseid esitusi. Seejärel loovad nad reeglid nende mõistetega tegelemiseks ja neid reegleid saab vormistada viisil, mis haarab igapäevateadmisi.

Kui aju on analoogne arvutiga, tähendab see, et iga olukord, millega me kokku puutume, sõltub meie tööst sisemine arvutiprogramm, mis selgitab samm-sammult, kuidas toiming läbi viia, tuginedes täielikult sellele loogika. Kui see nii on, siis sümboolne A.I. teadlased usuvad, et samad reeglid maailmakorralduse võiks avastada ja seejärel algoritmi kujul arvuti jaoks kodeerida läbi viia.

Sümboolne A.I. tulemuseks olid päris muljetavaldavad meeleavaldused. Näiteks 1964. aastal töötas arvutiteadlane Bertram Raphael välja süsteemi nimega SIR, mis tähendab "Semantilise teabe otsimine.” SIR oli arvutuslik arutlussüsteem, mis näiliselt suutis õppida objektide vahelisi seoseid viisil, mis meenutas tõelist intelligentsust. Kui sa ütleksid talle näiteks: „John on poiss; poiss on inimene; inimesel on kaks kätt; käel on viis sõrme,“ vastaks SIR küsimusele „Mitu sõrme on Johnil? õige numbriga 10.

Arvutisüsteemid, mis põhinevad sümboolsel A.I. saavutasid 1980ndatel oma võimu (ja languse) haripunkti. See oli nn ekspertsüsteemi kümnend, mis üritas kasutada reeglipõhiseid süsteeme, et lahendada reaalseid probleeme, nagu näiteks aidata orgaanilistel keemikutel tuvastada tundmatuid orgaanilisi molekule või aidata arste soovitada õiget antibiootikumide annust infektsioonid.

Nende ekspertsüsteemide kontseptsioon oli kindel. Kuid neil oli probleeme. Süsteemid olid kallid, vajasid pidevat ajakohastamist ja mis kõige hullem, võisid need muutuda ebatäpsemaks, mida rohkem reegleid lisati.

Närvivõrkude maailm

Neuro-sümboolse A.I "neuro" osa viitab süvaõppe närvivõrgud. Neuraalvõrgud on ajust inspireeritud arvutusviisid, mis on ajendanud paljusid A.I. viimase kümnendi jooksul nähtud läbimurdeid. A.I. millega saab autot juhtida? Närvivõrgud. A.I. mis suudab tõlkida teksti kümnetesse erinevatesse keeltesse? Närvivõrgud. A.I. mis aitab teie kodu nutikal kõlaril teie häält mõista? Närvivõrgud on tehnoloogia, mida tänada.

Närvivõrgud töötavad erinevalt sümboolsest A.I-st. sest need on pigem andmepõhised kui reeglipõhised. Et selgitada midagi sümboolsele A.I. süsteem tähendab selle selgesõnalist esitamist iga teabega, mida ta vajab õigeks tuvastamiseks. Kujutage ette, et saadate kellegi oma emale bussijaamast järele, kuid peate teda kirjeldama, esitades reeglid, mis võimaldavad teie sõbral ta rahvahulgast välja valida. Närvivõrgu treenimiseks peate talle lihtsalt näitama tuhandeid pilte kõnealusest objektist. Kui see saab piisavalt nutikaks, ei suuda see mitte ainult seda objekti ära tunda; see võib moodustada oma sarnaseid objekte, millel on pole kunagi reaalses maailmas eksisteerinud.

"Kindlasti on sügav õppimine võimaldanud hämmastavaid edusamme," ütles David Cox väljaandele Digital Trends. "Samas on seinas murettekitavaid pragusid, mis hakkavad silma."

Üks nendest nn pragudest tugineb täpselt sellele, mis on muutnud tänapäeva närvivõrgud nii võimsaks: andmetele. Nii nagu inimene, õpib ka närvivõrk näidete põhjal. Kuid kui inimesel võib vaja minna vaid ühte või kahte eseme treeningnäidet, et seda õigesti mäletada, siis A.I. nõuab palju-palju rohkem. Täpsus sõltub suure hulga annoteeritud andmete olemasolust, mille abil saab iga uut ülesannet õppida.

Põlevad foorid

See muudab nad statistiliselt harvaesinevate "musta luige" probleemide lahendamiseks vähem head. Musta luige üritus, populariseeris Nassim Nicholas Taleb, on statistiliselt haruldane nurgajuhtum. "Paljud meie tänased süvaõppelahendused - nii hämmastavad kui nad ka pole - on 80-20 lahendust," jätkas Cox. "Nad saavad 80% juhtudest õigesti, kuid kui need nurgapealsed juhtumid on olulised, kipuvad need maha kukkuma. Kui näete objekti, mis tavaliselt ei kuulu [teatud kohta], või objekti, mille orientatsioon on veidi veider, kukuvad isegi hämmastavad süsteemid alla.

Enne IBM-iga liitumist asutas Cox ettevõtte, Pertseptiivne automaat, mis töötas välja isejuhtivate autode tarkvara. Meeskonnal oli Slacki kanal, kuhu nad postitasid naljakaid pilte, millele nad andmete kogumise käigus komistasid. Üks neist ristmikul näitas põlevat foorituld. "See on üks neist juhtudest, mida te ei pruugi oma elu jooksul kunagi näha," ütles Cox. "Ma ei tea, kas Waymol ja Teslal on andmekogudes pilte põlevatest fooridest. treenima oma närvivõrke, aga ma olen nõus kihla vedama… kui neil on, on neil ainult väga vähe.”

Üks asi on see, et nurgakorpus on midagi ebaolulist, sest seda juhtub harva ja see ei oma erilist tähtsust, kui see juhtub. Halva restorani soovituse saamine ei pruugi olla ideaalne, kuid tõenäoliselt ei piisa sellest isegi teie päeva rikkumiseks. Seni, kuni süsteemi eelmine 99 soovitust on head, pole pettumiseks tõelist põhjust. Isejuhtiv auto, mis põleva foori või hobuvankri tõttu ristmikul korralikult ei reageeri, võib teha palju enamat kui rikkuda teie päeva. See võib olla ebatõenäoline, kuid kui see juhtub, tahame teada, et süsteem on loodud sellega toime tulema.

"Kui teil on võime arutleda ja ekstrapoleerida kaugemale sellest, mida oleme varem näinud, saame nende stsenaariumitega hakkama," selgitas Cox. "Me teame, et inimesed saavad seda teha. Kui näen valgusfoori põlema, saan kaasa tuua palju teadmisi. Tean näiteks, et tuli ei ütle mulle, kas peaksin peatuma või minema. Ma tean, et pean olema ettevaatlik, sest [mu ümber olevad juhid on segaduses.] Ma tean, et teisele poole tulevad juhid võivad käituda teisiti, kuna nende tuli võib töötada. Oskan koostada tegevusplaani, mis viib mind sinna, kuhu vaja. Sellistes ohutus- ja missioonikriitilistes tingimustes on see koht, kus ma ei usu, et sügav õppimine meid veel suurepäraselt teenib. Seetõttu vajame täiendavaid lahendusi."

Täiendavad ideed

Neuro-sümboolse A.I idee. on koondada need lähenemisviisid, et ühendada nii õppimine kui ka loogika. Närvivõrgud aitavad muuta sümboolse A.I. süsteemid targemaks, purustades maailma sümboliteks, selle asemel, et loota inimprogrammeerijatele, kes seda nende eest teevad. Vahepeal sümboolne A.I. algoritmid aitavad kaasata süvaõppesse terve mõistuse ja valdkonnateadmised. Tulemused võivad tuua kaasa märkimisväärseid edusamme A.I. süsteemid, mis lahendavad keerulisi ülesandeid, mis on seotud kõigega alates isesõitvatest autodest kuni loomuliku keele töötlemiseni. Ja seda kõike, nõudes treenimiseks palju vähem andmeid.

"Närvivõrgud ja sümboolsed ideed täiendavad üksteist tõesti suurepäraselt, " ütles Cox. "Sest närvivõrgud annavad teile vastused, kuidas jõuda reaalse maailma segadusest maailma sümboolse esituseni, leides piltide sees kõik korrelatsioonid. Kui olete selle sümboolse esituse saanud, saate arutluskäigu osas teha päris maagilisi asju.

Näiteks kujunäites, millega seda artiklit alustasin, kasutaks neuro-sümboolne süsteem objektide tuvastamiseks närvivõrgu mustrituvastusvõimalusi. Siis tugineks see sümboolsele A.I. rakendada loogikat ja semantilist arutlust uute suhete avastamiseks. Sellised süsteemid on on juba tõestanud, et see toimib tõhusalt.

See pole kasulik ka ainult nurgapealsetel juhtudel. Üha enam on oluline, et A.I. süsteemid on vajadusel selgitatavad. Närvivõrk suudab teatud ülesandeid erakordselt hästi täita, kuid suur osa selle sisemisest arutluskäigust on "mustas kastis", mis on muutunud uurimatuks neile, kes tahavad teada, kuidas see oma otsuse tegi. Jällegi pole sellel suurt tähtsust, kui tegemist on robotiga, mis soovitab Spotifys valet rada. Aga kui teile on keeldutud pangalaenu andmisest, töötaotlusest tagasi lükatud või kui keegi on saanud vigastada autonoomse autoga seotud intsidendi korral võiksite paremini selgitada, miks teatud soovitused on tehtud tehtud. See on koht, kus neuro-sümboolne A.I. võiks sisse tulla.

A.I. uurimine: järgmine põlvkond

Mõnikümmend aastat tagasi ilmusid sümboolse A.I. ja närvivõrgud olid üksteisega vastuolus. Tunnustatud tegelased, kes toetasid lähenemisviise, mitte ainult ei uskunud, et nende lähenemisviis oli õige; nad uskusid, et see tähendab, et teine ​​lähenemine oli vale. Nad ei pruugi seda teha. Mõlemad A.I koolid võistlevad samade probleemide lahendamise nimel ja piiratud rahastamisega. tundusid üksteisele põhimõtteliselt vastandlikud. Täna tundub, et vastupidine võib osutuda tõeks.

"See on tõesti põnev näha nooremat põlvkonda," ütles Cox. „[Paljud inimesed minu meeskonnas on] suhteliselt nooremad inimesed: värsked, elevil, üsna hiljuti doktorikraadi lõpetanud. Neil lihtsalt pole seda ajalugu. Neid lihtsalt ei huvita [kahe lähenemisviisi vastandamine] – ja mitte hoolimine on tõesti võimas, sest see avab teid ja vabaneb nendest eelarvamustest. Nad uurivad hea meelega ristmikke… Nad tahavad lihtsalt A.I-ga midagi lahedat teha.

Kui kõik läheb plaanipäraselt, saavad tulemused kasu meile kõigile.

Toimetajate soovitused

• Analoog A.I? See kõlab hullumeelselt, kuid see võib olla tulevik
• Lugege A.I kohutavalt ilusat "sünteetilist pühakirja". kes arvab, et see on jumal
• Algoritmiline arhitektuur: kas peaksime laskma A.I. meile hooneid projekteerida?
• Keele supermodell: kuidas GPT-3 hakkab vaikselt sisse juhatama A.I. revolutsioon
• Naised byte'iga: Vivienne Mingi plaan lahendada "segased inimprobleemid" koos A.I.