Mens et Apparata

Sommaren 1955 föreslog en kvartett av ledande amerikanska matematiker – termen datavetare var inte i bruk ännu – en konferens på Dartmouth College för att undersöka ett ämne som de kallade artificiell intelligens. Studien ska fortsätta utifrån gissningen att varje aspekt av inlärning eller någon annan egenskap av intelligens i princip kan beskrivas så exakt att en maskin kan fås att simulera den, sade förslaget.

Tomaso Poggio

Den månadslånga konferensen, som ägde rum 1956, anses allmänt vara uppkomsten av forskning om artificiell intelligens. Tre av förslagets författare – LISP-uppfinnaren John McCarthy, informationsteoripionjären Claude Shannon, SM ’40, PhD ’40 och framtida Turing Award-vinnare Marvin Minsky – skulle senare undervisa vid MIT. McCarthy och Minsky (som är kvar på fakulteten efter 55 år) grundade MIT Artificial Intelligence Laboratory.

År 1967 hade framstegen inom datorteknik gått så snabbt att Minsky i sin bok Beräkning: Finita och oändliga maskiner , blev modig att skriva: Inom en generation, är jag övertygad om, kommer få fack av intellekt att förbli utanför maskinens rike - problemen med att skapa 'artificiell intelligens' kommer att vara väsentligt lösta.

Minskys förutsägelse var naturligtvis alltför optimistisk. Det visar sig att vinna i schack, som de tidiga AI-forskarna tog som den paradigmatiska tillämpningen av intelligens, är ett mycket lättare beräkningsproblem än att säg särskilja talade ord eller känna igen ansikten.

På 1980- och 90-talen, när svårigheten att replikera mänsklig intelligens blev tydlig, kom AI att betyda något helt annat: praktiska datorsystem för speciella ändamål, ofta baserade på maskininlärning, som tillämpar statistisk analys på ett stort antal träningsexempel. Det är det tillvägagångssätt som gav oss röstigenkänningssystem och automatiska textöversättare.

Nu tror forskare vid MIT att det är dags att återuppliva AI:s stora ambitioner, i hopp om att utveckla både bättre terapier för neurologiska sjukdomar och datorsystem som kan förutse våra behov med mänsklig intuition. Och National Science Foundation verkar hålla med. I september tillkännagav det ett anslag på 25 miljoner dollar till Center for Brains, Minds and Machines (CBMM), som är baserat på MIT:s McGovern Institute for Brain Research. MIT tillhandahåller 12 primära utredare; sex andra kommer från Harvard och ytterligare fem från andra institutioner.

CBMM leds av Tomaso Poggio, professor i hjärnvetenskap och mänskligt beteende och huvudutredare vid både McGovern Institute och Computer Science and Artificial Intelligence Laboratory (CSAIL). Hans dubbla utnämningar illustrerar huvudförutsättningen bakom det nya centret: att vi kommer att göra mycket snabbare framsteg mot att förstå mänsklig intelligens om beräkningsmässiga, biologiska och psykologiska tillvägagångssätt kombineras snarare än utforskas isolerat.

Istället för att bara förlita sig på datavetenskap, som de gjorde för 50 år sedan, är det här centret verkligen en satsning på att för att replikera mänsklig intelligens måste du förstå mer om hjärnan och om kognition, säger Poggio.

Patrick Winston, professor vid institutionen för elektroteknik och datavetenskap och CBMM:s forskningskoordinator, tillägger att teknikerna för att undersöka problemet har förbättrats på ett meningsfullt sätt de senaste åren. För en sak, säger Winston, är datoranvändning gratis: vilken typ av beräkning som än behöver göras kan den göras. För en annan är fMRI nu rutin, säger han och syftar på funktionell magnetresonanstomografi, som kan användas för att studera hjärnaktivitet. Han pekar också på teknologier som transkraniell magnetisk stimulering, som kan störa aktiviteten i riktade hjärnregioner under kognitiva tester, och optogenetik, en teknik som använder ljus för att selektivt aktivera eller tysta genetiskt modifierade neuroner i hjärnan. Optogenetics var en pionjär av Ed Boyden ’99, MEng ’99, en Media Lab-professor som är huvudutredare vid McGovern Institute och det nya centret.

Forskningen vid centret är organiserad i flera stora teman, eller inriktningar: visuell intelligens, som involverar integration av syn, språk och motorik; kretsar för intelligens, som kommer att omfatta forskning inom neurobiologi och elektroteknik; utvecklingen av intelligens; och social intelligens. Poggio, som är en av de primära utredarna kring visuell intelligens, kommer också att leda utvecklingen av en teoretisk plattform avsedd att knyta samman arbetet inom de andra områdena.

Inom varje inriktning arbetar CBMM-forskare med att definiera en uppsättning benchmarkfrågor som de kan använda för att bedöma sina framsteg. Poggio ger ett exempel, som relaterar till hans eget tidigare arbete med det visuella systemet. Presenterat med en bild av människor som interagerar ska ett intelligent datorsystem kunna ge rimliga svar på fem frågor, sorterade från lättast till svårast: Vad finns i bilden? Vem är i det? Vad gör människorna? Vem gör vad mot vem? Och vad händer sedan?

Invarianter
En teoretisk ram för att utforska alla frågor kring mänsklig intelligens är en svår uppgift. Men Poggios undersökningar av hur hjärnan svarar på den första frågan på hans lista ger en skiss av hur ett sådant ramverk kan se ut.

Objektigenkänning – att utveckla datorsystem som kan svara på frågan Vad finns i bilden? – är ett blomstrande område inom forskning om artificiell intelligens. Typiskt använder objektigenkänningssystem vissa typer av maskininlärning. Människor märker exempelbilder, vilket indikerar vilka objekt som visas var, och systemet försöker identifiera några gemensamma egenskaper som alla bilder av objektet delar. Det är väldigt annorlunda från mänskligt lärande, eller djurinlärning, säger han. När ett barn lär sig känna igen en björn eller ett lejon, är det inte så att du måste visa honom bilder på ett lejon och ett lejon och ett lejon en miljon gånger. Det är mer som två eller tre gånger.

Poggio menar att till skillnad från maskininlärningssystem måste hjärnan representera objekt på ett sätt som är oföränderligt: ​​representationen är densamma oavsett hur stort objektet ser ut, var det är i synfältet eller om det är roterat. Och han tror också att han har en rimlig teori om vad den representationen kan bestå av.

Poggios teori kräver att hjärnan, eller ett datorsystem som försöker simulera hjärnan, lagrar en mall med några få föremål som genomgår varje typ av variation - storlek, plats och rotation i planet. Hjärnan kan till exempel lagra några dussin bilder av ett mänskligt ansikte som spårar en 360° rotation.

Ett obekant objekt skulle då representeras som en samling punktprodukter – en standardberäkning i linjär algebra – mellan dess bild och mallarna. Den samlingen skulle förbli densamma oavsett objektets storlek, plats eller orientering.

En överklagande av teorin är att punktprodukten reducerar jämförelsen av två komplexa datamängder, som visuella bilder, till ett enda nummer. Samlingar av prickprodukter, även för flera mallar, skulle inte ta upp mycket utrymme i minnet. En annan överklagande, säger Poggio, är att dot-produkter är en av de enklaste, kanske den lättaste, beräkningen för neuroner att göra.

I experiment kanske Poggios system inte överträffar maskininlärningssystem. Men det kräver mycket färre träningsexempel, vilket tyder på att det bättre replikerar vad hjärnan gör. Och för de flesta beräkningsuppgifter visar sig hjärnans tillvägagångssätt vanligtvis vara bättre.

Poggio tror att samlingar av prickprodukter också skulle kunna förankra mer abstrakta koncept. Mallar som inkluderade olikformade kluster av objekt – arrangerade som prickar på framsidan av en tärning, eller i en linje eller i en cirkel – kunde underbygga begreppet antal; en mall av parallella linjer sedda från olika perspektiv skulle kunna underbygga föreställningarna om parallellism eller perspektiv. Det kan finnas fler intressanta saker att utforska, säger han.

Lurigt tänkande
Precis som Poggio är Josh Tenenbaum professor vid institutionen för hjärn- och kognitiv vetenskap (BCS) och huvudforskare inom CSAIL. Även om han leder CBMM:s utvecklingssträvan, som koncentrerar sig på det intuitiva greppet om fysik som även små barn visar, har han också gjort forskning som kan bidra till det teoretiska arbetet som Poggio leder.

Den tidigaste AI-forskningen, förklarar Tenenbaum, fokuserade på att bygga ett matematiskt språk som kunde koda påståenden som fåglar kan flyga och duvor är fåglar. Om språket var tillräckligt rigoröst, trodde forskare, skulle datoralgoritmer kunna kamma igenom påståenden som skrivits i det och beräkna alla logiskt giltiga slutsatser.

Men att förstå språkliga påståenden visade sig kräva mycket, mycket mer bakgrundsinformation än väntat. Inte alla fåglar, till exempel, kan flyga. Och bland fåglar som inte kan flyga, finns det en skillnad mellan en rödhake i en bur och en rödhake med en bruten ving, och en annan skillnad mellan någon form av rödhake och en pingvin. Att handkoda tillräckligt mycket av dessa sunt förnuftiga undantag för att tillåta även de mest rudimentära typerna av slutsatser visade sig vara oöverkomligt tidskrävande.

Med maskininlärning, däremot, matas en dator med massor av exempel på något och lämnas att på egen hand sluta sig till vad dessa exempel har gemensamt. (Med tanke på en miljon bilder av ett lejon kan en maskininlärningsalgoritm kvantifiera sina egna gissningar: 77 procent av bilderna med dessa visuella egenskaper är bilder av lejon.) Men även om detta tillvägagångssätt kan fungera ganska bra med tydligt definierade problem – t.ex. att identifiera bilder av fåglar – den har problem med mer abstrakta begrepp som flygning, en kapacitet som delas av fåglar, helikoptrar, drakar och superhjältar. Och även flyg är ett konkret begrepp jämfört med säg grammatik eller moderskap.

Tenenbaum och hans elever har utvecklat en ny typ av verktyg som kallas ett probabilistiskt programmeringsspråk, som kombinerar det bästa med AI gammalt och nytt. Liksom de tidiga AI-språken innehåller det regler för slutledning. Men de reglerna är troliga. Om man säger att kasuaren är en fågel, kan ett program skrivet på Tenenbaums språk dra slutsatsen att kasuarerna förmodligen kan flyga. Men om programmet sedan fick veta att kasuarer kan väga nästan 200 pund, kan det revidera sina sannolikheter nedåt.

I de två tidigare erorna av AI var den största skillnaden symboler kontra statistik, säger Tenenbaum. En av de saker vi har listat ut på matematiksidan är hur man kombinerar dessa, hur man gör statistisk slutledning och probabilistiska resonemang [med] dessa symboliska språk.

Läser människor
Den andra av Poggios fem benchmarkfrågor – Vem är på bilden? – har länge förknippats med BCS-professorn Nancy Kanwishers arbete, som är mest känd för att använda funktionell MRI för att identifiera och analysera en region i hjärnan som ägnas åt ansiktsuppfattning.

Kanwisher leder CBMM:s sociala intelligens, som hon ser som den naturliga förlängningen av hennes tidigare arbete. När du tittar på ett ansikte är du intresserad av mer än bara de grundläggande demografiska sakerna, som vilken speciell person det är, är de man eller kvinna, hur gamla är de, säger hon. Du kan se inte bara om en person är glad eller ledsen, utan om de är bestämda eller trevande, om de är sprudlande eller passiva – det finns ett rikt utrymme av saker som vi kan se i ett ansikte från en mycket kort glimt.

På samma sätt, säger Kanwisher, kan människor dra mycket slutsatser om människors humör, avsikter och relationer med andra från kroppsspråk - vilket har fördelen av att vara mottagligt för beräkningsmodellering. Hon pekar också på den avlidne Nalini Ambadys arbete, socialpsykologen vid Stanford University som utvecklade teorin om tunna bedömningar.

Hon filmade TAs av Harvard-kurser som undervisar framför sina klasser i början av terminen, säger Kanwisher. Sedan visade hon mycket korta delar av dessa videor för försökspersoner i psykologiexperiment och sa: ”Betygsätt den här lärarens effektivitet.” Allt de har är några sekunder av en person framför ett rum som pratar med en klass – du kan inte hör till och med vad de säger. Och hon fann att dessa betyg var starkt korrelerade med betygen från den personens faktiska elever.

Det första projektet för CBMM:s sociala intelligens, säger Kanwisher, kommer att vara att designa en uppsättning experimentella uppgifter som gör det möjligt för forskare att kvantifiera mänsklig social uppfattning. När forskarna väl har fastställt en baslinje kan de studera saker som hur prestation på uppgifterna utvecklas genom barndomen, eller hur autistiska barns prestationer skiljer sig från andra barns. De kunde också identifiera de hjärnregioner som är involverade i social perception genom att använda fMRI för att mäta neural aktivitet eller transkraniell magnetisk stimulering för att störa prestanda. Och efter att ha samlat in all denna data kommer de att försöka beräkningsmodellera exakt vad hjärnan gör.

Följ historien
De senare frågorna på Poggios lista – Vem gör vad mot vem? och vad händer härnäst? - fascinera Patrick Winston. Han menar att det avgörande kännetecknet för mänsklig intelligens är förmågan att berätta och förstå historier. Den förmågan spelar till och med en roll vid bildmärkning. Som Winston gillar att påpeka, kommer en människa att identifiera en bild av en man som håller ett glas mot sina läppar som en man som dricker. Om mannen håller glaset några centimeter längre fram skålar han. Men en människa kommer också att identifiera en bild av en katt som vrider upp huvudet för att fånga några droppar vatten från en kran som ett exempel på att dricka. Du måste tänka på vad du ser där som en berättelse, säger Winston. De får samma etikett för att det är samma historia, inte för att det ser likadant ut.

Det är en anledning till att ägna en forskningsinriktning åt integrationen av syn, språk och sociala och motoriska färdigheter. För att illustrera en annan anledning pekar Winston på ett experiment utfört av utvecklingspsykologen Elizabeth Spelke, en före detta MIT-fakultetsmedlem som nu är vid Harvard och är en av de främsta utredarna i utvecklingssträvan. Spelke blev fascinerad av experiment där forskare hade placerat råttor på en roterande plattform i mitten av ett rum. Mat var synligt placerad i ena hörnet av rummet men maskerades sedan från insyn. Identiska masker placerades i de andra tre hörnen och plattformen roterades. Spelke bestämde sig för att utvidga den studien till mänskliga barn och vuxna, genom att gömma en leksak eller en nyckelring istället för mat.

Med alla djur, barn och vuxna, när rotationen slutat, skulle testpersonen med lika stor sannolikhet bege sig till antingen hörnet med det maskerade föremålet eller det som var diagonalt mittemot det, som hade samma förhållande till försökspersonen. Båda grupperna av forskare varierade också experimentet och målade en annan färg på en av väggarna intill hörnet där föremålet placerades. Djur och små barn valde fortfarande antingen det rätta hörnet eller det mittemot det med lika stor sannolikhet, men vuxna kunde nu på ett tillförlitligt sätt hämta föremålet.

Här blir saker intressanta. Om de vuxna ombads lyssna på ett textstycke och recitera det innan de gick till objektet, återgick de till att förvirra de diametralt motsatta hörnen. Att höra och recitera texten förbrukar den mänskliga språkprocessorn, och det reducerar dem till en råttas nivå, säger Winston. Efteråt kommer de att säga: 'Ja, jag kunde se den blå väggen, men jag kunde inte riktigt använda den.'

Att svara på de högsta frågorna på CBMM-forskarnas listor över riktmärken kommer förmodligen att ta mycket längre tid än de fem åren av det ursprungliga NSF-anslaget. Men, säger Poggio, det är dags att försöka igen. Det har gått 50 år. Vi vet inte om det kommer att fungera den här gången. Men om vi inte försöker så vet vi inte.

Dölj