Зашто је неуро-симболичка вештачка интелигенција АИ Оф Тхе Футуре

Замислите послужавник. На послужавнику је низ облика: неке коцке, друге сфере. Облици су направљени од разних материјала и представљају асортиман величина. Укупно има, можда, осам објеката. Моје питање: „Гледајући предмете, да ли постоји једнак број великих ствари и металних сфера?“

То није трик питање. Чињеница да звучи као да јесте је доказ колико је то заправо једноставно. То је питање на које би предшколац највероватније могао да одговори са лакоћом. Али то је скоро немогуће за данашње најсавременије неуронске мреже. Ово треба да се промени. И то треба да се деси поновним измишљањем вештачке интелигенције какву познајемо.

То није моје мишљење; то је мишљење о Давид Цок, директор МИТ-ИБМ Ватсон А.И. Лабораторија у Кембриџу, МА. У претходном животу, Кокс је био професор на Универзитету Харвард, где је његов тим користио увиде из неуронауке како би помогао у изградњи бољих компјутерских система за машинско учење инспирисаних мозгом. У својој тренутној улози у ИБМ-у, он надгледа јединствено партнерство између МИТ-а и ИБМ-а које унапређује А.И. истраживања, укључујући ИБМ-ов Ватсон А.И. платформа. Вотсон, за оне који не знају, био је АИ. који је славно победио двојицу врхунских играча шоу игрица

у историји на ТВ квизу Опасност. Вотсон је такође систем за машинско учење, обучен користећи масу података за разлику од људских правила.

Дакле, када Кокс каже да свет треба да преиспита А.И. како се креће у нову деценију, звучи некако чудно. На крају крајева, 2010-те су биле вероватно најуспешније десетогодишње у АИ. историја: Период у коме се пробоји дешавају наизглед сваке недеље и без мрзлог наговештаја А.И. зима на видику. Управо због тога он мисли да А.И. међутим, треба променити. А његов предлог за ту промену, тренутно нејасан термин који се зове „неуро-симболични АИ“, могао би да постане једна од оних фраза са којима смо блиско упознати до краја 2020-их.

Успон и пад симболичног А.И.

Неуро-симболички А.И. није, стриктно говорећи, потпуно нов начин рада А.И. То је комбинација два постојећа приступа изградњи машина за размишљање; оне које су некада биле против сваког од њих као смртни непријатељи.

„Симболички“ део имена односи се на први мејнстрим приступ стварању вештачке интелигенције. Од 1950-их до 1980-их, симболични А.И. владао врховним. Симболичном А.И. истраживача, интелигенција се заснива на способности људи да разумеју свет око себе формирањем унутрашњих симболичких представа. Затим креирају правила за бављење овим концептима, а та правила могу бити формализована на начин који обухвата свакодневно знање.

Ако је мозак аналоган компјутеру, то значи да се свака ситуација са којом се сусрећемо ослања на то да ми покрећемо интерни компјутерски програм који објашњава, корак по корак, како извршити операцију, у потпуности заснован на логика. Под условом да је то случај, симболични А.И. истраживачи сматрају да та иста правила о организација света могла би се открити и потом кодификовати, у форми алгоритма, за компјутер изнети.

Симболични А.И. резултирало је неким прилично импресивним демонстрацијама. На пример, 1964. компјутерски научник Бертрам Рафаел развио је систем под називом СИР, што значи „Семантичко тражење информација.” СИР је био систем рачунарског резоновања који је наизглед био у стању да научи односе између објеката на начин који је личио на праву интелигенцију. Ако бисте му рекли да је, на пример, „Јован је дечак; дечак је личност; особа има две руке; рука има пет прстију“, онда би СИР одговорио на питање „Колико прстију има Јован?“ са тачним бројем 10.

Рачунарски системи засновани на симболичком А.И. достигли врхунац својих моћи (и њихов пад) 1980-их. Ово је била деценија такозваног „експертског система“ који је покушао да користи системе засноване на правилима за решавање проблема из стварног света, као што је нпр. помаже органским хемичарима да идентификују непознате органске молекуле или помажу лекарима да препоруче праву дозу антибиотика за инфекције.

Основни концепт ових експертских система био је чврст. Али имали су проблема. Системи су били скупи, захтевали су стално ажурирање и, што је најгоре, могли су да постану мање тачни што је више правила уграђено.

Свет неуронских мрежа

„Неуро“ део неуро-симболичког А.И. се односи на неуронске мреже дубоког учења. Неуралне мреже су тип рачунарства инспирисан мозгом који је покренуо многе од А.И. открића која су виђена током протекле деценије. А.И. који може да вози аутомобиле? Неуралне мреже. А.И. који може да преведе текст на десетине различитих језика? Неуралне мреже. А.И. што помаже паметном звучнику у вашем дому да разуме ваш глас? Неуралне мреже су технологија којој треба захвалити.

Неуронске мреже раде другачије од симболичког А.И. јер су засновани на подацима, а не на правилима. Да би нешто објаснио симболичном А.И. систем значи експлицитно да му пружи сваки део информација који му је потребан да би могао да изврши исправну идентификацију. Као аналогију, замислите да пошаљете некога да покупи вашу маму са аутобуске станице, али морате да је опишете тако што ћете дати скуп правила која ће дозволити вашем пријатељу да је изабере из гомиле. Да бисте обучили неуронску мрежу да то уради, једноставно јој покажете хиљаде слика предметног објекта. Када постане довољно паметан, не само да ће моћи да препозна тај објекат; може да прави своје сличне објекте који имају никада није постојао у стварном свету.

„Сигурно, дубоко учење је омогућило невероватан напредак“, рекао је Давид Цок за Дигитал Трендс. „У исто време, постоје забрињавајуће пукотине у зиду које почињу да се појављују.

Једна од ових такозваних пукотина ослања се управо на оно што је данашње неуронске мреже учинило тако моћним: податке. Баш као и човек, неуронска мрежа учи на основу примера. Али док би човеку можда требало само да види један или два примера тренинга објекта да би га исправно запамтио, А.И. захтеваће много, много више. Тачност зависи од поседовања велике количине података са коментарима помоћу којих може да научи сваки нови задатак.

Запаљени семафори

То их чини мање добрим у статистички ретким проблемима „црног лабуда“. Догађај црног лабуда, популаризован од Нассим Николас Талеб, је угаони случај који је статистички редак. „Многа наша решења за дубоко учење данас — колико год невероватна била — су решења од 80-20“, наставио је Кокс. „Они ће исправити 80% случајева, али ако су те кутије битне, имаће тенденцију да падну. Ако видите објекат који иначе не припада [на одређеном месту], или објекат у оријентацији која је помало чудна, чак и невероватни системи ће пасти."

Пре него што се придружио ИБМ-у, Кокс је суоснивао компанију, Перцептиве Аутомата, који је развио софтвер за самовозеће аутомобиле. Тим је имао Слацк канал на којем су постављали смешне слике на које су наишли током прикупљања података. Један од њих, снимљен на раскрсници, показао је запаљени семафор. „То је један од оних случајева које можда никада нећете видети у животу“, рекао је Кокс. „Не знам да ли Вејмо и Тесла имају слике запаљених семафора у скуповима података које користе за тренирају своје неуронске мреже, али спреман сам да се кладим... ако их имају, имаће само веома неколико.”

Једна је ствар да кутна кутија буде нешто што је безначајно јер се то ретко дешава и није толико битно када се деси. Добивање лоше препоруке ресторана можда није идеално, али вероватно неће бити довољно да вам чак поквари дан. Све док су претходних 99 препорука које је систем дао добри, нема правог разлога за фрустрацију. Самовозећи аутомобил који не реагује правилно на раскрсници због запаљеног семафора или коњске запреге могао би учинити много више од тога да вам поквари дан. Можда је мало вероватно да ће се то догодити, али ако се догоди, желимо да знамо да је систем дизајниран да може да се носи са тим.

„Ако имате способност да резонујете и екстраполирате даље од онога што смо раније видели, можемо се носити са овим сценаријима“, објаснио је Кокс. „Знамо да људи то могу. Ако видим да гори семафор, могу донети много знања. Знам, на пример, да ми светло неће рећи да ли да станем или да идем. Знам да треба да будем опрезан јер [возачи око мене ће бити збуњени.] Знам да се возачи који долазе на другу страну можда понашају другачије јер им светло можда ради. Могу да смислим план акције који ће ме одвести тамо где треба да идем. У таквим окружењима која су критична за безбедност и мисију, то је негде где мислим да нам дубоко учење још увек не служи савршено. Зато су нам потребна додатна решења.”

Комплементарне идеје

Идеја неуро-симболичког А.И. је да споји ове приступе како би се комбиновали и учење и логика. Неуронске мреже ће помоћи да се направи симболички А.И. системи паметнији тако што разбијају свет на симболе, уместо да се ослањају на људске програмере да то ураде уместо њих. У међувремену, симболични А.И. алгоритми ће помоћи да се здраворазумско расуђивање и знање из домена инкорпорирају у дубоко учење. Резултати би могли довести до значајног напретка у А.И. системи који се баве сложеним задацима, који се односе на све, од самовозећих аутомобила до обраде природног језика. И све то док је за обуку потребно много мање података.

„Неуронске мреже и симболичке идеје су заиста дивно комплементарне једна другој“, рекао је Кокс. „Зато што вам неуронске мреже дају одговоре за прелазак од нереда стварног света до симболичке репрезентације света, проналажење свих корелација унутар слика. Једном када добијете ту симболичну представу, можете да урадите неке прилично магичне ствари у смислу резоновања."

На пример, у примеру облика са којим сам започео овај чланак, неуро-симболички систем би користио способности препознавања образаца неуронске мреже за идентификацију објеката. Тада би се ослањао на симболички А.И. да примени логичко и семантичко резоновање за откривање нових односа. Такви системи имају већ доказано да делује ефикасно.

То нису само случајеви у којима би ово било корисно. Све је више важно да А.И. системи су објашњиви када је потребно. Неуронска мрежа може изузетно добро да обавља одређене задатке, али велики део њеног унутрашњег резоновања је „у црној кутији“, што се чини недокучивим за оне који желе да знају како је донела своју одлуку. Опет, ово није толико важно ако је бот који препоручује погрешну стазу на Спотифи. Али ако вам је одбијен банкарски кредит, одбијен вам је молба за посао или је неко повређен у инцидент који укључује аутономни аутомобил, боље је да можете да објасните зашто су одређене препоруке направио. Ту је неуро-симболични А.И. могао ући.

А.И. истраживање: следећа генерација

Пре неколико деценија, светови симболичког А.И. а неуронске мреже су биле у супротности једна са другом. Познате личности које су се залагале за приступ не само да су веровале да је њихов приступ исправан; веровали су да то значи да је други приступ погрешан. Нису нужно били нетачни да то ураде. Такмичећи се у решавању истих проблема и са ограниченим финансирањем, обе школе А.И. изгледале суштински супротстављене једна другој. Данас се чини да би се могло показати супротно.

„Заиста је фасцинантно видети млађу генерацију“, рекао је Кокс. „[Многи људи у мом тиму су] релативно млађи људи: свежи, узбуђени, релативно недавно су завршили докторат. Они једноставно немају ништа од те историје. Њих једноставно није брига [што се два приступа супротстављају] — а небрига је заиста моћна јер вас отвара и ослобађа се тих предрасуда. Они радо истражују раскрснице... Они само желе да ураде нешто цоол са АИ.”

Ако све иде по плану, сви ћемо имати користи од резултата.

Препоруке уредника

• Аналогни А.И.? Звучи лудо, али то би могла бити будућност
• Прочитајте сабласно лепе „синтетичке списе“ АИ. који мисли да је то Бог
• Алгоритамска архитектура: треба ли дозволити А.И. дизајнирати зграде за нас?
• Језички супермодел: Како ГПТ-3 тихо уводи А.И. револуција
• Жене са бајтом: План Вивијен Минг да реши "неуредне људске проблеме" са А.И.