211service.com
Deze nieuwsgierige AI zal je een schop onder de kont geven op slagschip
Brendenmeer en Anselm Rothe
Een opmerkelijk nieuwsgierig kunstmatige-intelligentiesysteem, ontwikkeld door een team van onderzoekers van NYU, heeft geleerd een spel te spelen dat lijkt op Battleship met verbluffende vaardigheden.
In het eenvoudige spel dat de onderzoekers hebben gemaakt, proberen spelers de schepen van hun tegenstander te vinden die verborgen zijn op een klein raster van vierkanten door een reeks vragen te stellen die kunnen worden beantwoord met een enkel cijfer of woord. Hun programma zoekt uit hoe ze deze vragen zo efficiënt mogelijk kunnen stellen.
Geïnspireerd door de cognitieve psychologie en met een fundamenteel andere benadering dan de meeste hedendaagse AI's, laat het systeem zien hoe machines kunnen leren hoe ze nuttige vragen over de wereld kunnen stellen. Het programma behandelt vragen als miniatuurprogramma's, waardoor het kan leren van slechts een paar voorbeelden en zijn eigen vragen kan construeren op basis van wat het heeft geleerd.
Het spel is ontwikkeld door Brendenmeer , een assistent-professor aan de NYU; Todd Gureckis , een universitair hoofddocent; en Anselm Rothe , een afgestudeerde student. Er is een enorme kloof tussen het vermogen van de mens en de machine om vragen te stellen bij het zoeken naar informatie over de wereld, zegt Lake. De onderzoekers beschrijven het werk in een krant online gezet.
De onderzoekers lieten mensen hun spel spelen en noteerden de vragen die ze stelden. Vervolgens vertaalden ze de vragen in conceptuele componenten. Bijvoorbeeld de vragen Hoe lang is het blauwe schip? en Heeft het blauwe schip vier tegels? betreft de lengte van een doel. De vraag Raak de blauwe en rode schepen elkaar? betreft positie. De onderzoekers codeerden deze vragen vervolgens met behulp van een eenvoudige programmeertaal en bouwden een probabilistisch model om te bepalen welke vragen de meest bruikbare informatie zouden moeten opleveren. Dankzij deze methodologie kon het AI-systeem op efficiënte wijze nieuwe vragen construeren die hem hielpen het spel te winnen.
De meeste AI-benaderingen houden simpelweg in dat een computer enorme hoeveelheden voorbeeldgegevens wordt ingevoerd en dat deze daarna zijn eigen voorbeelden genereert. Hoewel de methode van het NYU-team meer handcodering vereist, is deze veel efficiënter en effectiever in het ontdekken van slimme vragen om te stellen. Het systeem bouwt ook op een meer methodische manier slimme vragen op, en het kan zelfs vragen produceren die geen mens denkt te stellen.
De onderzoekers onderzoeken hoe hun technologie chatbots en andere dialoogsystemen effectiever en minder pijnlijk in het gebruik kan maken. Met een beetje voorprogrammering kan zo'n systeem klanten misschien helpen hun probleem sneller op te lossen door de juiste vragen te stellen.
Het hebben van dialoogsystemen die nieuwe vragen genereren, zodat ze direct meer informatieve antwoorden kunnen krijgen, zal de interactie tussen mens en computer gemakkelijker maken en deze systemen nuttiger en leuker maken om te gebruiken, zegt Lake.
Opmerkelijk genoeg was het spelprogramma in staat om de ultieme vraag voor het slagschipspel te construeren. Dit bestond uit het vragen van een tegenstander om een reeks wiskundige stappen te doorlopen, waarbij de lengte van het ene schip werd opgeteld bij 10 keer de lengte van het volgende, enzovoort. Zo'n vraag zou voor een persoon moeilijk te volgen of juist te beantwoorden zijn, maar in theorie zou het resultaat kunnen worden gebruikt om het hele bord terug te rekenen. Het was best interessant, zegt Lake.
Sam Gershman , een assistent-professor aan de Harvard University die benaderingen van AI ontwikkelt die zijn geïnspireerd door cognitieve neurowetenschappen, zegt dat het NYU-onderzoek inzicht geeft in hoe mensen goede vragen bedenken. Ten eerste heb je een vorm van compositie nodig om de verbijsterende verscheidenheid aan vragen te vangen, zegt Gershman. Ten tweede heb je een reeks criteria nodig die de relatieve sterke en zwakke punten van een vraag afwegen.
Gershman voegt eraan toe dat mensen een vergelijkbare strategie lijken te volgen als de meer succesvolle benadering die door het programma wordt gebruikt, waarbij de complexiteit van hun vragen zorgvuldig wordt beoordeeld om spaarzaam om te gaan met cognitieve bronnen.
Uiteindelijk zullen machines pas echt intelligent worden als ze nieuwsgierig worden naar de wereld om hen heen. Dat begint met het stellen van indringende vragen.