Tinjauan biasa dan berulang, penemuan terkini dalam penyelidikan kecerdasan buatan adalah mesin yang pintar dan pintar berada di cakrawala. Mesin memahami arahan lisan, membezakan gambar, memandu kereta dan bermain permainan yang lebih baik daripada yang kita lakukan. Berapa lama lagi sebelum mereka berjalan di antara kita?
Laporan White House yang baru mengenai kecerdasan buatan mengambil pandangan yang ragu-ragu mengenai impian itu. Ia mengatakan bahawa 20 tahun akan datang mungkin tidak akan melihat mesin "memperlihatkan kepintaran yang luas yang boleh dibandingkan dengan atau melebihi manusia", walaupun ia terus mengatakan bahawa pada tahun-tahun akan datang, "mesin akan mencapai dan melebihi prestasi manusia pada lebih banyak dan lebih banyak tugas. " Tetapi andaian tentang bagaimana keupayaan itu akan berkembang terlepas beberapa perkara penting.
Sebagai penyelidik AI, saya akan mengakui ia bagus untuk mempunyai bidang saya sendiri yang ditonjolkan di peringkat tertinggi kerajaan Amerika, tetapi laporan itu memberi tumpuan hampir semata-mata kepada apa yang saya panggil "jenis AI yang membosankan." Ia diturunkan dalam setengah ayat cawangan penyelidikan AI saya, bagaimana evolusi dapat membantu membangunkan sistem AI yang semakin bertambah, dan bagaimana model perhitungan dapat membantu kita memahami bagaimana kecerdasan manusia kita berkembang.
Laporan ini memberi tumpuan kepada apa yang boleh dipanggil alat mainstream AI: pembelajaran mesin dan pengajaran mendalam. Ini adalah jenis teknologi yang dapat memainkan "Jeopardy!" baik, dan mengalahkan tuan Go manusia pada permainan paling rumit yang pernah dicipta. Sistem pintar semasa ini dapat mengendalikan sejumlah besar data dan membuat pengiraan yang kompleks dengan cepat. Tetapi mereka kekurangan elemen yang akan menjadi kunci untuk membina mesin yang kita gambarkan pada masa akan datang.
Kita perlu melakukan lebih daripada mengajar mesin untuk belajar. Kita perlu mengatasi sempadan yang menentukan empat jenis kecerdasan buatan yang berbeza, halangan yang memisahkan mesin dari kami - dan kami dari mereka.
Taip I AI: Mesin reaktif
Jenis-jenis sistem AI yang paling asas adalah semata-mata reaktif, dan mempunyai keupayaan untuk tidak membentuk kenangan atau menggunakan pengalaman masa lalu untuk memaklumkan keputusan semasa. Deep Blue, superkomputer bermain catur IBM, yang mengalahkan grandmaster antarabangsa Garry Kasparov pada akhir 1990-an, merupakan contoh sempurna dari jenis mesin ini.
Deep Blue boleh mengenal pasti kepingan-kepingan di papan catur dan mengetahui bagaimana setiap langkah. Ia boleh membuat ramalan tentang apa yang mungkin bergerak di sebelahnya dan lawannya. Dan ia boleh memilih langkah paling optimum dari kalangan kemungkinan.
Tetapi ia tidak mempunyai apa-apa konsep masa lalu, atau apa-apa ingatan apa yang berlaku sebelum ini. Selain daripada peraturan catur khusus yang jarang digunakan untuk mengulangi langkah yang sama tiga kali, Deep Blue mengabaikan segala-galanya sebelum saat ini. Apa yang dilakukannya ialah melihat kepingan papan catur seperti sekarang, dan memilih dari langkah seterusnya yang mungkin.
Jenis kecerdasan ini melibatkan komputer yang menganggap dunia secara langsung dan bertindak terhadap apa yang dilihatnya. Ia tidak bergantung pada konsep dalaman dunia. Dalam kertas seminari, penyelidik AI Rodney Brooks berhujah bahawa kita hanya perlu membina mesin seperti ini. Alasan utamanya adalah bahawa orang tidak begitu baik dalam pengaturcaraan dunia simulasi yang tepat untuk menggunakan komputer, apa yang dipanggil dalam beasiswa AI sebagai "perwakilan" dunia.
Mesin pintar semasa yang kami kagum dengan sama ada tidak mempunyai konsep dunia sedemikian, atau mempunyai yang sangat terhad dan khusus untuk tugas tertentu. Inovasi dalam reka bentuk Deep Blue bukan untuk memperluaskan rangkaian filem yang mungkin dipertimbangkan oleh komputer. Sebaliknya, para pemaju mendapati cara untuk mempersempit pandangannya, berhenti mengejar beberapa langkah masa depan berpotensi, berdasarkan bagaimana ia menilai hasilnya. Tanpa keupayaan ini, Deep Blue akan memerlukan komputer yang lebih kuat untuk mengalahkan Kasparov.
Begitu juga, AlphaGo Google, yang telah mengalahkan pakar Go manusia atas, tidak dapat menilai semua potensi langkah masa depan sama ada. Kaedah analisisnya lebih canggih daripada Deep Blue, menggunakan rangkaian saraf untuk menilai perkembangan permainan.
Kaedah ini meningkatkan keupayaan sistem AI untuk bermain permainan tertentu dengan lebih baik, tetapi mereka tidak dapat dengan mudah diubah atau diterapkan pada situasi lain. Implikasi berkomputer ini tidak mempunyai konsep dunia yang lebih luas - bermakna mereka tidak dapat berfungsi di luar tugas-tugas tertentu yang diberikan dan mudah ditipu.
Mereka tidak dapat berinteraksi secara aktif di dunia, cara kita membayangkan sistem AI suatu hari nanti. Sebaliknya, mesin-mesin ini akan bertindak dengan cara yang sama setiap kali mereka menghadapi keadaan yang sama. Ini boleh menjadi sangat baik untuk memastikan sistem AI dapat dipercayai: Anda mahu kereta autonomi anda menjadi pemandu yang boleh dipercayai. Tetapi tidak baik jika kita mahu mesin benar-benar terlibat, dan bertindak balas kepada, dunia. Sistem AI yang paling mudah ini tidak akan pernah bosan, atau berminat, atau sedih.
Jenis II AI: Memori terhad
Kelas Jenis II ini mengandungi mesin yang boleh melihat masa lalu. Kereta memandu sendiri melakukan beberapa perkara ini. Sebagai contoh, mereka melihat kelajuan dan arah kereta lain. Itu tidak boleh dilakukan dalam satu masa sahaja, tetapi memerlukan pengenalpastian objek tertentu dan mengawasi mereka dari masa ke masa.
Pemerhatian ini ditambah kepada perwakilan yang diprogramkan di dunia sendiri yang memandu sendiri, yang juga termasuk penanda lorong, lampu lalu lintas dan elemen penting lainnya, seperti lengkung di jalan. Mereka dimasukkan apabila kereta memutuskan untuk menukar lorong, untuk mengelakkan memotong pemandu lain atau dilanggar oleh kereta berdekatan.
Tetapi kepingan-kepingan maklumat yang mudah mengenai masa lalu hanyalah sementara. Mereka tidak diselamatkan sebagai sebahagian dari pengalaman perpustakaan kereta yang dapat dipelajari, cara pemandu manusia menyusun pengalaman selama bertahun-tahun di belakang roda.
Jadi bagaimana kita boleh membina sistem AI yang membina perwakilan penuh, ingat pengalaman mereka dan belajar bagaimana untuk menangani situasi baru? Brooks betul kerana sukar untuk melakukan ini. Penyelidikan saya sendiri ke atas kaedah-kaedah yang diilhami oleh evolusi Darwin boleh mula membuat kekurangan manusia dengan membiarkan mesin membina perwakilan mereka sendiri.
Tipe III AI: Teori fikiran
Kita mungkin berhenti di sini, dan memanggil perkara ini sebagai jurang penting antara mesin yang kita ada dan mesin yang akan kita bina pada masa akan datang. Walau bagaimanapun, lebih baik untuk menjadi lebih spesifik untuk membincangkan jenis-jenis representasi mesin perlu dibentuk, dan apa yang perlu mereka lakukan.
Mesin di kelas yang lebih maju, lebih maju, tidak hanya mewakili perwakilan tentang dunia, tetapi juga mengenai agen atau entiti lain di dunia. Dalam psikologi, ini dipanggil "teori minda" - pemahaman bahawa manusia, makhluk dan objek di dunia boleh mempunyai pemikiran dan emosi yang mempengaruhi kelakuan mereka sendiri.
Ini penting untuk bagaimana manusia membentuk masyarakat, kerana mereka membenarkan kita mempunyai interaksi sosial. Tanpa memahami motif dan niat masing-masing, dan tanpa mengambil kira apa yang diketahui oleh orang lain tentang saya atau persekitaran, bekerjasama adalah paling sukar, paling mustahil.
Jika sistem AI sememangnya pernah berjalan di antara kita, mereka harus dapat memahami bahawa setiap daripada kita mempunyai pemikiran dan perasaan dan jangkaan bagaimana kita akan diperlakukan. Dan mereka perlu menyesuaikan kelakuan mereka dengan sewajarnya.
Jenis IV AI: Kesadaran diri
Langkah akhir pembangunan AI adalah untuk membina sistem yang boleh membentuk representasi tentang diri mereka sendiri. Pada akhirnya, kita penyelidik AI perlu bukan sahaja memahami kesedaran, tetapi membina mesin yang memilikinya.
Ini, dalam ertikata, lanjutan "teori minda" yang dimiliki oleh kecerdasan buatan Type III. Kesedaran juga dikenali sebagai "kesedaran diri" atas sebab tertentu. ("Saya mahu item itu" adalah pernyataan yang sangat berbeza dari "Saya tahu saya mahu item itu.") Makhluk sadar mengetahui diri mereka sendiri, mengetahui keadaan dalaman mereka, dan dapat meramalkan perasaan orang lain. Kita mengandaikan seseorang yang membanting di belakang kita dalam lalu lintas marah atau tidak sabar, kerana itulah yang kita rasakan apabila kita membunyikan kepada orang lain. Tanpa teori minda, kita tidak boleh membuat apa-apa kesimpulan.
Walaupun kita mungkin jauh dari mencipta mesin yang menyedari diri sendiri, kita harus menumpukan usaha kita ke arah pemahaman ingatan, pembelajaran dan keupayaan untuk menentukan keputusan mengenai pengalaman masa lalu. Ini adalah langkah penting untuk memahami kecerdasan manusia sendiri. Dan adalah penting jika kita ingin mereka bentuk atau mengembangkan mesin yang lebih hebat daripada mengelaskan apa yang mereka lihat di hadapan mereka.
Arend Hintze, Penolong Profesor Biologi Integriti & Sains Komputer dan Kejuruteraan, Michigan State University
