211service.com
Googles AI-guru säger att stor artificiell intelligens måste bygga på neurovetenskap
Demis Hassabis kan en sak eller två om artificiell intelligens: han grundade den Londonbaserade AI-startupen DeepMind , som köptes av Google för 650 miljoner dollar redan 2014. Sedan dess har hans företag torkat golvet med människor i det komplexa spelet Go och började ta steg mot att skapa mer allmänna AI:er.
Men nu har han kommit ut och sagt att man tror att det enda sättet för artificiell intelligens att förverkliga sin verkliga potential är med en dos inspiration från mänskligt intellekt.
För närvarande är de flesta AI-system baserade på lager av matematik som bara är löst inspirerade av hur den mänskliga hjärnan fungerar. Men olika typer av maskininlärning, som taligenkänning eller identifiering av objekt i en bild, kräver olika matematiska strukturer, och de resulterande algoritmerna kan bara utföra mycket specifika uppgifter.
Att bygga AI som kan utföra allmänna uppgifter, snarare än nischade, är en långvarig önskan i världen av maskininlärning. Men sanningen är att att utöka dessa specialiserade algoritmer till något mer mångsidigt förblir ett otroligt svårt problem, delvis för att mänskliga egenskaper som nyfikenhet, fantasi och minne inte existerar eller bara är i sin linda i AI-världen.
I ett papper publiceras idag i tidskriften Nervcell , Hassabis och tre medförfattare hävdar att endast genom att bättre förstå mänsklig intelligens kan vi hoppas att tänja på gränserna för vad artificiella intellekt kan uppnå.
För det första, säger de, bättre förståelse för hur hjärnan fungerar kommer att tillåta oss att skapa nya strukturer och algoritmer för elektronisk intelligens. För det andra kan lärdomar från att bygga och testa banbrytande AI:er hjälpa oss att bättre definiera vad intelligens egentligen är.
Tidningen själv granskar historien om neurovetenskap och artificiell intelligens för att förstå interaktionerna mellan de två. Den hävdar att djupinlärning, som använder lager av artificiella neuroner för att förstå input, och förstärkningsinlärning, där system lär sig genom försök och misstag, båda är skyldiga neurovetenskapen mycket.
Men den påpekar också att nyare framsteg inte har lutat sig lika effektivt mot biologi, och att en allmän intelligens kommer att behöva mer mänskliga egenskaper – som en intuitiv förståelse av den verkliga världen och effektivare sätt att lära sig. Lösningen, hävdar Hassabis och hans kollegor, är ett förnyat utbyte av idéer mellan AI och neurovetenskap [som] kan skapa en 'god cirkel' som främjar målen för båda områdena.
Hassabis är inte ensam om den här typen av tänkande. Gary Marcus, professor i psykologi vid New York University och tidigare chef för Ubers AI-labb, har hävdat att maskininlärningssystem skulle kunna förbättras med hjälp av idéer som samlats in genom att studera barns kognitiva utveckling.
Trots det kommer det inte att vara lätt att implementera dessa resultat digitalt. Som Hassabis förklarar i en intervju med Verge , artificiell intelligens och neurovetenskap har blivit två väldigt, väldigt stora områden som är genomsyrade av sina egna traditioner, vilket gör det ganska svårt att vara expert på t.o.m. ett av dessa områden, än mindre expert nog på båda för att du kan översätta och hitta kopplingar mellan dem.
(Läs mer: Nervcell , Gränsen , Googles intelligensdesigner , Kan denna man göra AI mer mänsklig? )