Reaktif Robotlardan Sentient Makinelere: 4 Çeşit Ai

{h1}

Öğrenecek makineleri öğretmekten daha fazlasını yapmalıyız. Makineleri bizden ayıran engelleri ve onlardan bizden kurtulmalıyız.

Yapay zeka araştırmalarındaki en son atılımların ortak ve yinelenen görünümü, duyarlı ve akıllı makinelerin ufukta olduğu yönündedir. Makineler, sözlü komutları anlar, resimleri ayırt eder, araba sürerler ve bizden daha iyi oyunlar oynarlar. Aramızda yürümeden önce ne kadar olabilir?

Yapay zeka üzerine yeni Beyaz Saray raporu bu rüyanın doğru bir şekilde kuşkuyla karşılandığını gösteriyor. Önümüzdeki 20 yıl içinde, makinelerin "önümüzdeki yıllarda insanlarla kıyaslanabilir veya daha yüksek olan, geniş çapta uygulanabilir bir zeka sergilediğini" göstermeyeceğini, ancak önümüzdeki yıllarda, makinelerin insan performansına daha fazla ulaşacağını ve daha fazlasını aşacağını söylüyor. ve daha fazla görev. " Ancak bu yeteneklerin nasıl gelişeceğine dair varsayımları bazı önemli noktaları kaçırdı.

Bir AI araştırmacısı olarak, Amerikan yönetiminin en üst seviyesinde vurgulanmış kendi alanımın olması güzel bir şeydi, ancak rapor neredeyse sadece “sıkıcı tür AI” dediğim konuya odaklandı. Bu, AI araştırmasının dalının bir cümlesinin, evrimin sürekli gelişen AI sistemlerini geliştirmeye nasıl yardımcı olabileceği ve hesaplama modellerinin insan zekamızın nasıl evrildiğini anlamamıza nasıl yardımcı olabileceği konusunda reddetti.

Rapor, ana akım AI araçları olarak adlandırılabileceklere odaklanmaktadır: makine öğrenimi ve derin öğrenme. Bunlar "Jeopardy!" Yi oynayabilen teknolojiler. iyi, ve insan Go ustalarını, icat edilen en karmaşık oyunda yendi. Bu mevcut akıllı sistemler çok büyük miktarda veriyi işleyebilir ve karmaşık hesaplamaları çok hızlı bir şekilde yapabilir. Ancak, gelecekte sahip olduğumuz fotoğraf makinelerini oluşturmanın anahtarı olacak bir unsurdan yoksundurlar.

Öğrenecek makineleri öğretmekten daha fazlasını yapmalıyız. Dört farklı yapay zeka türünü tanımlayan sınırların üstesinden gelmeliyiz, makineleri bizden ayıran engeller - ve bizden.

Tip I AI: Reaktif makineler

AI sistemlerinin en temel türleri tamamen reaktiftir ve anıları oluşturma ya da mevcut kararları bilgilendirmek için geçmiş deneyimleri kullanma becerisine sahip değildir. 1990'ların sonlarında uluslararası büyük usta Garry Kasparov'u yenen IBM'in satranç oynayan süper bilgisayarı Deep Blue, bu tip makinelerin mükemmel bir örneğidir.

Deep Blue, satranç tahtasındaki parçaları tespit edebilir ve her birinin nasıl hareket ettiğini bilir. Onun ve onun rakibinin yanında ne gibi hareketler olabileceğine dair tahminlerde bulunabilir. Ve olasılıklar arasından en uygun hareketleri seçebilir.

Ancak geçmişle ilgili herhangi bir kavrayış veya daha önce olanların herhangi bir hafızası yok. Aynı hareketi üç kez tekrarlamaya karşı nadiren kullanılan bir satrança özgü kural dışında, Deep Blue şimdiki andan önce her şeyi yok sayar. Tek yaptığı, satranç tahtasındaki parçaları şu anki haliyle görmek ve muhtemel bir sonraki hamlelerden seçim yapmak.

Bu tür bir istihbarat, dünyanın doğrudan dünyayı algılamasını ve gördüklerine göre hareket etmesini içerir. Dünyanın içsel bir kavramına dayanmıyor. Seminal bir makalede, AI araştırmacısı Rodney Brooks sadece bunun gibi makineler yapmamız gerektiğini savundu. Onun asıl nedeni, insanların bilgisayarları kullanmaları için doğru benzetilmiş dünyaları programlamakta çok başarılı olmadıkları, AI bursu olarak adlandırılan şeyin dünyanın “temsili” olmasıydı.

Şimdiye kadar sahip olduğumuz şu anki akıllı makineler ya böyle bir dünya kavramına sahip değildir ya da özel görevleri için çok sınırlı ve uzmanlaşmış bir yapıya sahiptir. Deep Blue'nun tasarımındaki yenilik, bilgisayarın düşündüğü olası filmleri genişletmek değildi. Aksine, geliştiriciler kendi görüşlerini nasıl değerlendirdiğine bağlı olarak, gelecekteki bazı potansiyel hamleleri takip etmeyi bırakmak için görüşlerini daraltmanın bir yolunu bulmuşlardır. Bu yetenek olmadan, Deep Blue Kasparov'u yenmek için daha da güçlü bir bilgisayar olmalıydı.

Benzer şekilde, Google'ın önde gelen Go uzmanlarını döven Alpha AlphaGo, gelecekteki tüm olası hamleleri de değerlendiremez. Analiz metotları, oyun gelişimlerini değerlendirmek için bir sinir ağı kullanarak Deep Blue'lardan daha karmaşıktır.

Bu yöntemler, AI sistemlerinin belirli oyunları daha iyi oynaması yeteneğini geliştirir, ancak kolayca değiştirilemez veya diğer durumlara uygulanamaz. Bu bilgisayarlaştırılmış hayallerin, daha geniş bir dünya kavramına sahip olmadıkları - yani, atandıkları belirli görevlerin ötesine işleyemedikleri ve kolayca aldatıldıkları anlamına gelir.

Dünyada etkileşimli olarak yer alamıyorlar, bir gün AI sistemlerini hayal ettiğimiz gibi. Bunun yerine, bu makineler her zaman aynı durumla karşılaştıklarında aynı şekilde davranacaktır. Bu, bir AI sisteminin güvenilirliğini sağlamak için çok iyi olabilir: Otonom aracınızın güvenilir bir sürücü olmasını istersiniz. Ama makinelerin dünyaya gerçekten müdahale etmesini ve dünyaya cevap vermesini istiyorsak çok da kötü. Bu en basit AI sistemleri hiç sıkılmayacak, ilgilenmeyecek veya üzülmeyecek.

Tip II AI: Sınırlı hafıza

Bu Tip II sınıfı makineler, geçmişe bakabilir. Kendi kendine araba süren araçlar bunu zaten yapıyor. Örneğin, diğer otomobillerin hızını ve yönünü gözlemlerler. Bu sadece bir dakika içinde yapılamaz, ancak belirli nesneleri tanımlamayı ve zamanla bunları izlemeyi gerektirir.

Bu gözlemler, kendi kendine giden otomobillerin dünyadaki önceden programlanmış temsillerine eklenir; bunlar ayrıca şerit işaretlerini, trafik ışıklarını ve yoldaki eğriler gibi diğer önemli unsurları içerir.Araba, şerit değiştirmeye karar verdiğinde, başka bir sürücüyü kesmekten veya yakındaki bir arabanın çarpmasından kaçınmak için dahil edilirler.

Ancak geçmişle ilgili bu basit bilgi parçaları sadece geçicidir. İnsan sürücülerinin direksiyonun arkasındaki tecrübeyi derlediği yoldan, öğrenebileceği deneyim kütüphanesinin bir parçası olarak kaydedilmiyorlar.

Öyleyse, tam temsiller oluşturan, deneyimlerini hatırlayan ve yeni durumların nasıl ele alınacağını öğrenen AI sistemleri nasıl kurabiliriz? Brooks haklıydı, bunu yapmak çok zordu. Darwinist evrimden ilham alan yöntemlerle ilgili kendi araştırmam, makinelerin kendi temsillerini oluşturmasına izin vererek insan eksikliklerini telafi etmeye başlayabilir.

Tip III AI: Akıl teorisi

Burada durabiliriz ve bu noktaya, sahip olduğumuz makineler ile gelecekte inşa edeceğimiz makineler arasındaki önemli ayrımı diyoruz. Bununla birlikte, şekillendirmesi gereken temsili makinelerin türlerini ve neye ihtiyaç duyduklarını tartışmak daha spesifik olmaktır.

Bir sonraki, daha ileri sınıftaki makineler, sadece dünyayla ilgili değil, aynı zamanda dünyadaki diğer temsilciler veya varlıklar hakkında da temsiller oluştururlar. Psikolojide buna “akıl teorisi” denir - dünyadaki insanlar, yaratıklar ve nesnelerin kendi davranışlarını etkileyen düşünce ve duygulara sahip olabileceği anlayışı.

Bu, insanların toplumları nasıl oluşturdukları için çok önemlidir, çünkü sosyal etkileşimlere sahip olmamıza izin verdiler. Birbirlerinin güdülerini ve niyetlerini anlamadan ve başkalarının benim ya da çevre hakkında ne bildiklerini hesaba katmadan, birlikte çalışmak en zor, en kötü ihtimalle.

Eğer AI sistemleri gerçekten aramızda dolaşıyorsa, her birimizin nasıl tedavi edileceğimize dair düşünce ve his ve beklentileri olduğunu anlayabilmeleri gerekir. Ve davranışlarını buna göre ayarlamaları gerekecek.

Tip IV AI: Öz-farkındalık

AI gelişiminin son aşaması, kendileriyle ilgili temsiller oluşturabilecek sistemler kurmaktır. Sonuçta, biz AI araştırmacıları sadece bilinci anlamakla kalmayacak, aynı zamanda bu makineye sahip makineler üreteceklerdir.

Bu, bir anlamda, Tip III yapay zekaların sahip olduğu "zihin kuramının" bir uzantısıdır. Bilinç aynı zamanda bir sebepten dolayı “öz-farkındalık” olarak da adlandırılır. ("Bu maddeyi istiyorum", "Bu maddeyi istediğimi biliyorum." Den çok farklı bir ifadedir.) Bilinçli varlıklar kendi içlerinden haberdardır, içsel durumlarını bilir ve başkalarının duygularını tahmin edebilir. Trafikte bizi geride bırakan birinin öfkeli ya da sabırsız olduğunu varsayalım, çünkü başkalarına sarıldığımızda böyle hissediyoruz. Bir zihin teorisi olmadan, bu tür çıkarımları yapamayız.

Muhtemelen kendini bilen makineler üretmekten uzak olmakla birlikte, hafızayı, öğrenmeyi ve geçmiş deneyimlerle ilgili kararları temel alabilme yeteneğini anlamaya yönelik çabalarımıza odaklanmalıyız. Bu, insan zekasını kendi başına anlamak için önemli bir adımdır. Ve önlerinde gördüklerini sınıflandırmak için istisnai olmayan makineler tasarlamak veya geliştirmek istiyorsak çok önemlidir.

Arend Hintze, Bütünleştirici Biyoloji ve Bilgisayar Bilimi ve Mühendisliği Yardımcı Doçenti, Michigan Eyalet Üniversitesi

Bu makale aslında The Conversation'da yayınlandı. Orijinal makaleyi okuyun.


Video Takviyesi: .




Araştırma


Bu Yeni Cep Telefonu Böyle Küçük Bir Güç Kullanır Pil Gerekmiyor
Bu Yeni Cep Telefonu Böyle Küçük Bir Güç Kullanır Pil Gerekmiyor

Bir Uygulamanın Depremi Nasıl Bildiğini Öncesinde Kaliforniya Olmadan Nasıl Yere Getirdi?
Bir Uygulamanın Depremi Nasıl Bildiğini Öncesinde Kaliforniya Olmadan Nasıl Yere Getirdi?

Bilim Haberleri


Kadın Nadir Sezaryen Yara Durumu, 5 Kez Geliştirir
Kadın Nadir Sezaryen Yara Durumu, 5 Kez Geliştirir

Yeni Avrupa Deprem Kataloğu, Gelecek Riskleri Için Ipuçları Sunuyor
Yeni Avrupa Deprem Kataloğu, Gelecek Riskleri Için Ipuçları Sunuyor

Karbondioksit Bir Uzay Gemisinde Nasıl Ortadan Kaldırılır?
Karbondioksit Bir Uzay Gemisinde Nasıl Ortadan Kaldırılır?

Gizli 'Incil Kodu' Mesajlar Uğursuz Nuke Uyarılar Mı?
Gizli 'Incil Kodu' Mesajlar Uğursuz Nuke Uyarılar Mı?

Gerçek Hayat 'Taht Oyunları' Orta Çağ Kaydırma Told
Gerçek Hayat 'Taht Oyunları' Orta Çağ Kaydırma Told


TR.WordsSideKick.com
Her Hakkı Saklıdır!
Herhangi Bir Malzemenin Çoğaltılabilir Sadece Siteye Aktif Linki Prostanovkoy TR.WordsSideKick.com

© 2005–2019 TR.WordsSideKick.com