Å kombinere nevrovitenskap, psykologi og kunstig intelligens gir en grunnleggende modell for menneskelig tanke

Fremgang i kunstig intelligens har gjort det mulig å lage AI-er som utfører oppgaver som man tidligere trodde var mulig for mennesker, som f.eks oversette språk, kjører biler, spille brettspill på verdensmesternivå, og trekke ut strukturen til proteiner. Imidlertid er hver av disse AI-ene designet og grundig trent for en enkelt oppgave og har evnen til å lære bare det som trengs for den spesifikke oppgaven.

Nyere AI-er som produserer flytende tekst, inkludert i samtale med mennesker, og generere imponerende og unik kunst kan gi den feilaktig inntrykk av et sinn på jobb. Men selv dette er spesialiserte systemer som utfører snevert definerte oppgaver og krever enorme mengder trening.

Det er fortsatt en skremmende utfordring å kombinere flere AI-er til én som kan lære og utføre mange forskjellige oppgaver, langt mindre forfølge hele bredden av oppgaver utført av mennesker eller utnytte spekteret av erfaringer som er tilgjengelige for mennesker som reduserer mengden data som ellers kreves for å lære hvordan du utfører disse oppgavene. De beste nåværende AI-ene i denne forbindelse, som f.eks alphazero og gato, kan håndtere en rekke oppgaver som passer til en enkelt form, som spilling. Kunstig generell intelligens (AGI) som er i stand til en rekke oppgaver forblir unnvikende.

Til syvende og sist, AGI-er trenger å kunne samhandle effektivt med hverandre og mennesker i ulike fysiske miljøer og sosiale sammenhenger, integrere de brede variasjonene av ferdigheter og kunnskaper som trengs for å gjøre det, og lære fleksibelt og effektivt fra disse samhandlingene.

Å bygge AGI-er handler om å bygge kunstige sinn, om enn sterkt forenklet sammenlignet med menneskelige sinn. Og for å bygge et kunstig sinn, må du starte med en modell for erkjennelse.

Fra menneskelig til kunstig generell intelligens

Mennesker har et nesten ubegrenset sett med ferdigheter og kunnskaper, og lærer raskt ny informasjon uten å måtte rekonstrueres for å gjøre det. Det kan tenkes at en AGI kan bygges ved hjelp av en tilnærming som er fundamentalt forskjellig fra menneskelig intelligens. Men som tre lenge forskere in AI og kognitiv vitenskap, er vår tilnærming å hente inspirasjon og innsikt fra strukturen i menneskesinnet. Vi jobber mot AGI ved å prøve å bedre forstå menneskesinnet, og bedre forstå menneskesinnet ved å jobbe mot AGI.

Fra forskning i nevrovitenskap, kognitiv vitenskap og psykologi, vet vi at den menneskelige hjerne verken er et enormt homogent sett med nevroner eller et massivt sett med oppgavespesifikke programmer som hver løser et enkelt problem. I stedet er det en sett med regioner med forskjellige egenskaper som støtter de grunnleggende kognitive evnene som sammen danner menneskesinnet.

Disse evnene inkluderer persepsjon og handling; korttidshukommelse for det som er relevant i den aktuelle situasjonen; langsiktige minner for ferdigheter, erfaring og kunnskap; resonnement og beslutningstaking; følelser og motivasjon; og lære nye ferdigheter og kunnskaper fra hele spekteret av hva en person oppfatter og opplever.

I stedet for å fokusere på spesifikke evner isolert, er AI pioner Allen Newell i 1990 foreslo å utvikle Unified Theories of Cognition som integrerer alle aspekter av menneskelig tanke. Forskere har vært i stand til å bygge programmer kalt kognitive arkitekturer som legemliggjør slike teorier, noe som gjør det mulig å teste og foredle dem.

Kognitive arkitekturer er forankret i flere vitenskapelige felt med distinkte perspektiver. Nevrovitenskap fokuserer på organiseringen av den menneskelige hjernen, kognitiv psykologi på menneskelig atferd i kontrollerte eksperimenter, og kunstig intelligens på nyttige evner.

Den vanlige modellen for kognisjon

Vi har vært involvert i utviklingen av tre kognitive arkitekturer: ACT-R, Sår, og Sigma. Andre forskere har også vært opptatt med alternative tilnærminger. Ett papir identifiserte nesten 50 aktive kognitive arkitekturer. Denne spredningen av arkitekturer er delvis en direkte refleksjon av de mange perspektivene som er involvert, og delvis en utforskning av et bredt spekter av potensielle løsninger. Likevel, uansett årsak, reiser det vanskelige spørsmål både vitenskapelig og med hensyn til å finne en sammenhengende vei til AGI.

Heldigvis har denne spredningen brakt feltet til et stort vendepunkt. Vi tre har identifisert en slående konvergens mellom arkitekturer, noe som gjenspeiler en kombinasjon av nevrale, atferds- og beregningsstudier. Som svar satte vi i gang en fellesskapsomfattende innsats for å fange denne konvergensen på en måte som ligner på Standard modell for partikkelfysikk som dukket opp i andre halvdel av det 20. århundre.

Dette Felles modell for kognisjon deler menneskelignende tanke inn i flere moduler, med en korttidsminnemodul i midten av modellen. De andre modulene (persepsjon, handling, ferdigheter og kunnskap) samhandler gjennom den.

Læring, snarere enn å skje med vilje, skjer automatisk som en bieffekt av prosessering. Du bestemmer med andre ord ikke hva som lagres i langtidsminnet. I stedet bestemmer arkitekturen hva som læres basert på hva du enn tenker på. Dette kan gi læring av nye fakta du blir utsatt for eller nye ferdigheter du prøver. Det kan også gi forbedringer til eksisterende fakta og ferdigheter.

Selve modulene opererer parallelt; for eksempel slik at du kan huske noe mens du lytter og ser deg rundt i omgivelsene. Hver moduls beregninger er massivt parallelle, noe som betyr at mange små beregningstrinn skjer samtidig. For eksempel, ved å hente et relevant faktum fra en lang rekke tidligere erfaringer, kan langtidsminnemodulen bestemme relevansen til alle kjente fakta samtidig, i et enkelt trinn.

Veileder veien til kunstig generell intelligens

The Common Model er basert på dagens konsensus innen forskning innen kognitive arkitekturer og har potensial til å veilede forskning på både naturlig og kunstig generell intelligens. Når den brukes til å modellere kommunikasjonsmønstre i hjernen, gir Common Model mer nøyaktige resultater enn ledende modeller fra nevrovitenskap. Dette utvider sin evne til å modellere mennesker– det ene systemet som er bevist i stand til generell intelligens – utover kognitive betraktninger for å inkludere organiseringen av selve hjernen.

Vi begynner å se forsøk på å relatere eksisterende kognitive arkitekturer til den vanlige modellen og bruke den som en baseline for nytt arbeid - for eksempel en interaktiv AI designet for å coache mennesker mot bedre helseatferd. En av oss var involvert i å utvikle en AI basert på Soar, kalt Rosie, som lærer nye oppgaver via instruksjoner på engelsk fra menneskelige lærere. Den lærer 60 forskjellige gåter og spill og kan overføre det den lærer fra ett spill til et annet. Den lærer også å styre en mobil robot for oppgaver som å hente og levere pakker og patruljere bygninger.

Rosie er bare ett eksempel på hvordan man bygger en AI som nærmer seg AGI via en kognitiv arkitektur som er godt preget av Common Model. I dette tilfellet lærer AI automatisk nye ferdigheter og kunnskap under generell resonnement som kombinerer naturlig språkinstruksjon fra mennesker og en minimal mengde erfaring – med andre ord en AI som fungerer mer som et menneskesinn enn dagens AI-er, som lærer via brute datakraft og enorme mengder data.

Fra et bredere AGI-perspektiv ser vi på den vanlige modellen både som en veiledning i utviklingen av slike arkitekturer og AI-er, og som et middel for å integrere innsikten fra disse forsøkene til en konsensus som til slutt fører til AGI.

Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.

Bilde Credit: Shutterstock.com/wowowG