Kombinationen af ​​neurovidenskab, psykologi og kunstig intelligens giver en grundlæggende model for menneskelig tankegang

Fremskridt i kunstig intelligens har muliggjort oprettelsen af ​​AI'er, der udfører opgaver, som man tidligere troede kun var mulige for mennesker, som f.eks oversætte sprog, kører biler, spille brætspil på verdensmesterniveau, , udvinding af strukturen af ​​proteiner. Men hver af disse AI'er er designet og udtømmende trænet til en enkelt opgave og har evnen til kun at lære det, der er nødvendigt til den specifikke opgave.

Nylige AI'er, der producerer flydende tekst, herunder i samtale med mennesker, og skabe imponerende og unik kunst kan give falsk indtryk af et sind på arbejde. Men selv disse er specialiserede systemer, der udfører snævert definerede opgaver og kræver massive mængder træning.

Det er stadig en skræmmende udfordring at kombinere flere AI'er til en, der kan lære og udføre mange forskellige opgaver, meget mindre forfølge den fulde bredde af opgaver, der udføres af mennesker eller udnytte rækken af ​​erfaringer, der er tilgængelige for mennesker, som reducerer mængden af ​​data, der ellers kræves for at lære at udføre disse opgaver. De bedste nuværende AI'er i denne henseende, som f.eks Alpha Zero , Gato, kan håndtere en række opgaver, der passer til en enkelt form, såsom spil. Kunstig generel intelligens (AGI) der er i stand til at udføre en bred vifte af opgaver, forbliver uhåndgribelig.

I sidste ende AGI'er har brug for at kunne interagere effektivt med hinanden og mennesker i forskellige fysiske miljøer og sociale sammenhænge, ​​integrere de brede variationer af færdigheder og viden, der er nødvendige for at gøre det, og lære fleksibelt og effektivt af disse interaktioner.

At bygge AGI'er kommer ned til at bygge kunstige sind, omend meget forenklet sammenlignet med menneskelige sind. Og for at opbygge et kunstigt sind, skal du starte med en model for erkendelse.

Fra menneskelig til kunstig generel intelligens

Mennesker har et næsten ubegrænset sæt af færdigheder og viden og lærer hurtigt ny information uden at skulle omkonstrueres for at gøre det. Det er tænkeligt, at en AGI kan bygges ved hjælp af en tilgang, der er fundamentalt forskellig fra menneskelig intelligens. Dog som tre lang tid forskere in AI , kognitiv videnskab, er vores tilgang at hente inspiration og indsigt fra strukturen i det menneskelige sind. Vi arbejder hen imod AGI ved at prøve at forstå det menneskelige sind bedre og bedre forstå det menneskelige sind ved at arbejde hen imod AGI.

Fra forskning i neurovidenskab, kognitiv videnskab og psykologi ved vi, at den menneskelige hjerne hverken er et enormt homogent sæt neuroner eller et massivt sæt opgavespecifikke programmer, der hver løser et enkelt problem. I stedet er det en sæt af regioner med forskellige egenskaber der understøtter de grundlæggende kognitive evner, der tilsammen danner det menneskelige sind.

Disse evner omfatter opfattelse og handling; korttidshukommelse for hvad der er relevant i den aktuelle situation; langsigtede minder for færdigheder, erfaring og viden; ræsonnement og beslutningstagning; følelser og motivation; og lære nye færdigheder og viden fra hele spektret af, hvad en person opfatter og oplever.

I stedet for at fokusere på specifikke egenskaber isoleret set, er AI pioner Allen Newell i 1990 foreslog at udvikle Forenede teorier om erkendelse der integrerer alle aspekter af menneskelig tankegang. Forskere har været i stand til at bygge softwareprogrammer kaldet kognitive arkitekturer der inkorporerer sådanne teorier, hvilket gør det muligt at teste og forfine dem.

Kognitive arkitekturer er funderet i flere videnskabelige felter med forskellige perspektiver. Neurovidenskab fokuserer på organiseringen af ​​den menneskelige hjerne, kognitiv psykologi på menneskelig adfærd i kontrollerede eksperimenter og kunstig intelligens på nyttige evner.

Den fælles model for kognition

Vi har været involveret i udviklingen af ​​tre kognitive arkitekturer: ACT-R, Svæve, , Sigma. Andre forskere har også haft travlt med alternative tilgange. Et papir identificeret næsten 50 aktive kognitive arkitekturer. Denne spredning af arkitekturer er dels en direkte afspejling af de mange involverede perspektiver, og dels en udforskning af en bred vifte af potentielle løsninger. Alligevel rejser det, uanset årsagen, akavede spørgsmål både videnskabeligt og med hensyn til at finde en sammenhængende vej til AGI.

Heldigvis har denne spredning bragt feltet til et stort omdrejningspunkt. Vi tre har identificeret en slående konvergens mellem arkitekturer, hvilket afspejler en kombination af neurale, adfærdsmæssige og beregningsmæssige undersøgelser. Som svar påbegyndte vi en fællesskabsdækkende indsats for at fange denne konvergens på en måde, der ligner Standardmodel for partikelfysik der opstod i anden halvdel af det 20. århundrede.

Denne Fælles model for kognition opdeler menneskelignende tanke i flere moduler, med et korttidshukommelsesmodul i midten af ​​modellen. De andre moduler (perception, handling, færdigheder og viden) interagerer gennem det.

Læring, snarere end at ske med vilje, sker automatisk som en bivirkning af bearbejdning. Du bestemmer med andre ord ikke, hvad der er lagret i langtidshukommelsen. I stedet bestemmer arkitekturen, hvad der læres, baseret på hvad du tænker på. Dette kan give læring af nye fakta, du bliver udsat for, eller nye færdigheder, som du forsøger. Det kan også give justeringer af eksisterende fakta og færdigheder.

Selve modulerne fungerer parallelt; for eksempel at give dig mulighed for at huske noget, mens du lytter og ser dig omkring i dit miljø. Hvert moduls beregninger er massivt parallelle, hvilket betyder, at mange små beregningstrin sker på samme tid. For eksempel, ved at hente en relevant kendsgerning fra en lang række tidligere erfaringer, kan langtidshukommelsesmodulet bestemme relevansen af ​​alle kendte fakta samtidigt i et enkelt trin.

Vejledning til kunstig generel intelligens

Den fælles model er baseret på den nuværende konsensus inden for forskning i kognitive arkitekturer og har potentiale til at vejlede forskning i både naturlig og kunstig generel intelligens. Når den bruges til at modellere kommunikationsmønstre i hjernen, giver den fælles model mere nøjagtige resultater end førende modeller fra neurovidenskab. Dette udvider sin evne til at modellere mennesker- det ene system, der er bevist i stand til generel intelligens - ud over kognitive overvejelser til at inkludere organiseringen af ​​selve hjernen.

Vi begynder at se bestræbelser på at relatere eksisterende kognitive arkitekturer til den fælles model og bruge den som en baseline for nyt arbejde - for eksempel en interaktiv AI designet til at coache mennesker mod bedre sundhedsadfærd. En af os var involveret i at udvikle en AI baseret på Soar, kaldet Rosie, der lærer nye opgaver via instruktioner på engelsk fra menneskelige lærere. Den lærer 60 forskellige gåder og spil og kan overføre, hvad den lærer fra et spil til et andet. Den lærer også at styre en mobil robot til opgaver som at hente og levere pakker og patruljere bygninger.

Rosie er blot et eksempel på, hvordan man bygger en AI, der nærmer sig AGI via en kognitiv arkitektur, der er godt karakteriseret af den fælles model. I dette tilfælde lærer AI automatisk nye færdigheder og viden under generel ræsonnement, der kombinerer naturlig sproginstruktion fra mennesker og en minimal mængde erfaring - med andre ord en AI, der fungerer mere som et menneskeligt sind end nutidens AI'er, som lærer via brute regnekraft og enorme mængder data.

Fra et bredere AGI-perspektiv ser vi på den fælles model både som en guide til udvikling af sådanne arkitekturer og AI'er og som et middel til at integrere den indsigt, der er afledt af disse forsøg, i en konsensus, der i sidste ende fører til AGI.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.

Billede Credit: Shutterstock.com/wowowG