การผสมผสานระหว่างประสาทวิทยาศาสตร์ จิตวิทยา และ AI ทำให้เกิดแบบจำลองพื้นฐานของความคิดของมนุษย์

ความคืบหน้าใน ปัญญาประดิษฐ์ ได้เปิดใช้งานการสร้าง AIs ที่ทำงานก่อนหน้านี้คิดว่าเป็นไปได้สำหรับมนุษย์เท่านั้นเช่น แปลภาษา, ขับรถ, เล่นเกมกระดานระดับแชมป์โลก และ สกัดโครงสร้างของโปรตีน. อย่างไรก็ตาม AI แต่ละตัวเหล่านี้ได้รับการออกแบบและฝึกฝนอย่างละเอียดสำหรับงานเดียว และมีความสามารถในการเรียนรู้เฉพาะสิ่งที่จำเป็นสำหรับงานเฉพาะนั้น

AIs ล่าสุดที่ผลิต ข้อความคล่องรวมทั้งในการสนทนากับมนุษย์และ สร้างงานศิลปะที่น่าประทับใจและไม่เหมือนใคร สามารถให้ จิตสำนึกผิดๆในที่ทำงาน. แต่ถึงกระนั้นระบบเหล่านี้ก็ยังเป็นระบบเฉพาะที่ดำเนินงานที่กำหนดไว้อย่างแคบและต้องการการฝึกอบรมจำนวนมาก

ยังคงเป็นความท้าทายที่น่ากลัวที่จะรวม AI หลายตัวเข้าเป็นหนึ่งเดียวซึ่งสามารถเรียนรู้และทำงานต่างๆ ได้มากมาย ไล่ตามงานที่ทำโดยมนุษย์อย่างเต็มที่น้อยลง หรือใช้ประโยชน์จากช่วงของประสบการณ์ที่มนุษย์มีให้ ซึ่งลดปริมาณข้อมูลที่จำเป็น เรียนรู้วิธีการทำงานเหล่านี้ AIs ปัจจุบันที่ดีที่สุดในแง่นี้เช่น อัลฟาซีโร และ Gato, สามารถรองรับงานหลากหลายที่เข้ากับแม่พิมพ์เดียว เช่น การเล่นเกม ปัญญาประดิษฐ์ทั่วไป (AGI) ที่มีความสามารถกว้างของงานยังคงเข้าใจยาก

ในที่สุด AGIs ต้องสามารถ มีปฏิสัมพันธ์อย่างมีประสิทธิภาพระหว่างกันและผู้คนในสภาพแวดล้อมทางกายภาพและบริบททางสังคมที่หลากหลาย ผสมผสานทักษะและความรู้ที่หลากหลายที่จำเป็นในการทำเช่นนั้น และเรียนรู้อย่างยืดหยุ่นและมีประสิทธิภาพจากการโต้ตอบเหล่านี้

การสร้าง AGI มาจากการสร้างจิตใจเทียม แม้ว่าจะง่ายกว่ามากเมื่อเทียบกับจิตใจของมนุษย์ และเพื่อสร้างจิตประดิษฐ์ คุณต้องเริ่มต้นด้วยแบบจำลองของความรู้ความเข้าใจ

จากมนุษย์สู่ปัญญาประดิษฐ์ทั่วไป

มนุษย์มีชุดทักษะและความรู้ที่แทบจะไร้ขอบเขต และเรียนรู้ข้อมูลใหม่ได้อย่างรวดเร็วโดยไม่จำเป็นต้องออกแบบใหม่เพื่อทำเช่นนั้น เป็นไปได้ว่า AGI สามารถสร้างขึ้นโดยใช้วิธีการที่แตกต่างจากความฉลาดของมนุษย์โดยพื้นฐาน อย่างไรก็ตามเป็นสามเป็นเวลานาน นักวิจัย in AI และ วิทยาศาสตร์พุทธิปัญญาแนวทางของเราคือดึงแรงบันดาลใจและข้อมูลเชิงลึกจากโครงสร้างของจิตใจมนุษย์ เรากำลังดำเนินการเพื่อมุ่งสู่ AGI โดยพยายามทำความเข้าใจจิตใจของมนุษย์ให้ดีขึ้น และทำความเข้าใจจิตใจของมนุษย์ให้ดีขึ้นด้วยการทำงานไปสู่ ​​AGI

จากการวิจัยใน ประสาทวิทยาศาสตร์การรู้คิด และจิตวิทยา เรารู้ว่าสมองของมนุษย์ไม่ใช่ชุดเซลล์ประสาทขนาดใหญ่ที่เป็นเนื้อเดียวกันหรือชุดโปรแกรมเฉพาะงานขนาดใหญ่ที่แต่ละชุดสามารถแก้ปัญหาได้เพียงปัญหาเดียว แทนที่จะเป็น ชุดของภูมิภาคที่มีคุณสมบัติต่างกัน ที่สนับสนุนความสามารถทางปัญญาพื้นฐานที่รวมกันเป็นจิตใจของมนุษย์

ความสามารถเหล่านี้รวมถึงการรับรู้และการกระทำ หน่วยความจำระยะสั้นสำหรับสิ่งที่เกี่ยวข้องในสถานการณ์ปัจจุบัน ความจำระยะยาวสำหรับทักษะ ประสบการณ์ และความรู้ การให้เหตุผลและการตัดสินใจ อารมณ์และแรงจูงใจ และการเรียนรู้ทักษะและความรู้ใหม่จากสิ่งที่บุคคลรับรู้และประสบอย่างครบถ้วน

แทนที่จะเน้นไปที่ความสามารถเฉพาะด้านเพียงอย่างเดียว ผู้บุกเบิก AI อัลเลน นิวเวลล์ ในปี 1990 แนะนำให้พัฒนา ทฤษฎีรวมของความรู้ความเข้าใจ ที่บูรณาการทุกด้านของความคิดของมนุษย์ นักวิจัยสามารถสร้างโปรแกรมซอฟต์แวร์ที่เรียกว่า สถาปัตยกรรมทางปัญญา ที่รวบรวมทฤษฎีดังกล่าว ทำให้สามารถทดสอบและปรับแต่งได้

สถาปัตยกรรมความรู้ความเข้าใจมีพื้นฐานมาจากสาขาวิทยาศาสตร์หลายสาขาที่มีมุมมองที่แตกต่างกัน ประสาทวิทยาศาสตร์มุ่งเน้นไปที่การจัดระเบียบของสมองมนุษย์ จิตวิทยาความรู้ความเข้าใจเกี่ยวกับพฤติกรรมมนุษย์ในการทดลองที่มีการควบคุม และปัญญาประดิษฐ์เกี่ยวกับความสามารถที่เป็นประโยชน์

รูปแบบทั่วไปของความรู้ความเข้าใจ

เรามีส่วนร่วมในการพัฒนาสถาปัตยกรรมองค์ความรู้สามประการ: พ.ร.บ, ทะยาน, และ ซิกม่า. นักวิจัยคนอื่น ๆ ก็ยุ่งอยู่กับแนวทางอื่นเช่นกัน กระดาษหนึ่งแผ่น ระบุสถาปัตยกรรมความรู้ความเข้าใจที่ใช้งานอยู่เกือบ 50 แห่ง. การขยายตัวของสถาปัตยกรรมนี้ส่วนหนึ่งเป็นผลสะท้อนโดยตรงของมุมมองที่หลากหลายที่เกี่ยวข้อง และอีกส่วนหนึ่งเป็นการสำรวจโซลูชันที่เป็นไปได้มากมาย อย่างไรก็ตาม ไม่ว่าจะด้วยสาเหตุใด มันทำให้เกิดคำถามที่น่าอึดอัดใจทั้งในทางวิทยาศาสตร์และในแง่ของการค้นหาเส้นทางที่สอดคล้องกันไปยัง AGI

โชคดีที่การขยายพันธุ์นี้ได้นำสนามไปสู่จุดเปลี่ยนที่สำคัญ เราสามคนได้ระบุการบรรจบกันที่โดดเด่นระหว่างสถาปัตยกรรม ซึ่งสะท้อนถึงการผสมผสานระหว่างการศึกษาทางประสาท พฤติกรรม และการคำนวณ เราจึงได้ริเริ่ม ความพยายามของชุมชนในการจับภาพการบรรจบกันนี้ ในลักษณะที่คล้ายกับ แบบจำลองมาตรฐานของฟิสิกส์อนุภาค ที่เกิดขึ้นในช่วงครึ่งหลังของศตวรรษที่ 20

รูปแบบทั่วไปของความรู้ความเข้าใจ แบ่งความคิดของมนุษย์ออกเป็นหลายโมดูล โดยมีโมดูลหน่วยความจำระยะสั้นอยู่ตรงกลางของแบบจำลอง โมดูลอื่นๆ (การรับรู้ การกระทำ ทักษะ และความรู้) โต้ตอบผ่านโมดูลนั้น

การเรียนรู้แทนที่จะเกิดขึ้นโดยเจตนา เกิดขึ้นโดยอัตโนมัติเป็นผลข้างเคียงของการประมวลผล กล่าวอีกนัยหนึ่ง คุณไม่ได้ตัดสินใจว่าจะเก็บอะไรไว้ในหน่วยความจำระยะยาว สถาปัตยกรรมจะกำหนดสิ่งที่เรียนรู้จากสิ่งที่คุณคิดแทน สิ่งนี้สามารถทำให้เกิดการเรียนรู้ข้อเท็จจริงใหม่ๆ ที่คุณได้สัมผัสหรือทักษะใหม่ๆ ที่คุณพยายาม นอกจากนี้ยังสามารถปรับปรุงข้อเท็จจริงและทักษะที่มีอยู่ได้

โมดูลทำงานแบบขนาน เช่น ช่วยให้คุณจดจำบางสิ่งขณะฟังและมองไปรอบ ๆ สภาพแวดล้อมของคุณ การคำนวณของแต่ละโมดูลจะขนานกันอย่างหนาแน่น หมายความว่ามีขั้นตอนการคำนวณขนาดเล็กจำนวนมากที่เกิดขึ้นพร้อมกัน ตัวอย่างเช่น ในการดึงข้อมูลข้อเท็จจริงที่เกี่ยวข้องจากประสบการณ์มากมายก่อนหน้านี้ โมดูลหน่วยความจำระยะยาวสามารถกำหนดความเกี่ยวข้องของข้อเท็จจริงที่รู้จักทั้งหมดพร้อมกันได้ในขั้นตอนเดียว

แนวทางสู่ปัญญาประดิษฐ์ทั่วไป

โมเดลทั่วไปอิงตามฉันทามติในปัจจุบันในการวิจัยสถาปัตยกรรมทางปัญญา และมีศักยภาพที่จะชี้นำการวิจัยทั้งปัญญาประดิษฐ์ตามธรรมชาติและปัญญาประดิษฐ์ เมื่อนำมาใช้ในการสร้างแบบจำลองรูปแบบการสื่อสารในสมอง โมเดลทั่วไปจะให้ผลลัพธ์ที่แม่นยำกว่าแบบจำลองชั้นนำจากประสาทวิทยาศาสตร์ นี้ ขยายขีดความสามารถในการสร้างแบบจำลองมนุษย์—ระบบเดียวที่พิสูจน์แล้วว่ามีความสามารถด้านสติปัญญาทั่วไป—นอกเหนือจากการพิจารณาด้านความรู้ความเข้าใจเพื่อรวมการจัดระเบียบของสมองด้วย

เรากำลังเริ่มเห็นความพยายามในการเชื่อมโยงสถาปัตยกรรมความรู้ความเข้าใจที่มีอยู่กับ Common Model และเพื่อใช้เป็นพื้นฐานสำหรับงานใหม่—ตัวอย่างเช่น AI เชิงโต้ตอบ ออกแบบมาเพื่อฝึกคน สู่พฤติกรรมสุขภาพที่ดีขึ้น พวกเราคนหนึ่งมีส่วนร่วมในการพัฒนา AI จาก Soar ซึ่งได้รับการขนานนามว่า Rosieที่เรียนรู้งานใหม่ผ่านคำแนะนำเป็นภาษาอังกฤษจากครูผู้สอนที่เป็นมนุษย์ เรียนรู้ปริศนาและเกมต่างๆ กว่า 60 เกม และสามารถถ่ายทอดสิ่งที่เรียนรู้จากเกมหนึ่งไปยังอีกเกมหนึ่งได้ นอกจากนี้ยังเรียนรู้ที่จะควบคุมหุ่นยนต์เคลื่อนที่สำหรับงานต่างๆ เช่น การดึงและส่งมอบพัสดุภัณฑ์ และการลาดตระเวนอาคาร

Rosie เป็นเพียงตัวอย่างหนึ่งของการสร้าง AI ที่เข้าใกล้ AGI ผ่านสถาปัตยกรรมทางปัญญาที่มีลักษณะเฉพาะโดย Common Model ในกรณีนี้ AI จะเรียนรู้ทักษะและความรู้ใหม่โดยอัตโนมัติในระหว่างการให้เหตุผลทั่วไป ซึ่งรวมการสอนภาษาธรรมชาติจากมนุษย์และประสบการณ์เพียงเล็กน้อย กล่าวคือ AI ที่ทำหน้าที่เหมือนจิตใจมนุษย์มากกว่า AI ในปัจจุบันที่เรียนรู้จากสัตว์เดรัจฉาน กำลังประมวลผลและข้อมูลจำนวนมหาศาล

จากมุมมองของ AGI ที่กว้างขึ้น เรามองไปที่ Common Model เพื่อเป็นแนวทางในการพัฒนาสถาปัตยกรรมและ AI ดังกล่าว และเป็นวิธีการในการบูรณาการข้อมูลเชิงลึกที่ได้จากความพยายามเหล่านั้นไปสู่ฉันทามติที่นำไปสู่ ​​AGI ในท้ายที่สุด

บทความนี้ตีพิมพ์ซ้ำจาก สนทนา ภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ.

เครดิตภาพ: Shutterstock.com/wowowG