211service.com
Google's AI-goeroe zegt dat geweldige kunstmatige intelligentie moet voortbouwen op neurowetenschap
Demis Hassabis weet het een en ander over kunstmatige intelligentie: hij richtte de in Londen gevestigde AI-startup DeepMind op, die in 2014 door Google werd gekocht voor $ 650 miljoen. Sindsdien veegt zijn bedrijf de vloer aan met mensen bij het complexe spel Go en begonnen met het maken van stappen in de richting van het maken van meer algemene AI's.
Maar nu is hij naar buiten gekomen en zei dat de enige manier waarop kunstmatige intelligentie zijn ware potentieel kan realiseren, is met een dosis inspiratie van het menselijk intellect.
Momenteel zijn de meeste AI-systemen gebaseerd op lagen van de wiskunde die slechts losjes zijn geïnspireerd door de manier waarop het menselijk brein werkt. Maar verschillende soorten machine learning, zoals spraakherkenning of het identificeren van objecten in een afbeelding, vereisen verschillende wiskundige structuren en de resulterende algoritmen kunnen alleen zeer specifieke taken uitvoeren.
AI bouwen die algemene taken kan uitvoeren, in plaats van nichetaken, is een lang gekoesterde wens in de wereld van machine learning. Maar de waarheid is dat het uitbreiden van die gespecialiseerde algoritmen naar iets veelzijdigers een ongelooflijk moeilijk probleem blijft, deels omdat menselijke eigenschappen zoals nieuwsgierigheid, verbeeldingskracht en geheugen niet bestaan of nog in de kinderschoenen staan in de wereld van AI.
in een krant vandaag gepubliceerd in het tijdschrift neuron , Hassabis en drie coauteurs stellen dat we alleen door een beter begrip van de menselijke intelligentie kunnen hopen de grenzen te verleggen van wat kunstmatige intellecten kunnen bereiken.
Ten eerste, zeggen ze, zullen we met een beter begrip van hoe de hersenen werken, nieuwe structuren en algoritmen voor elektronische intelligentie kunnen creëren. Ten tweede kunnen de lessen die zijn getrokken uit het bouwen en testen van geavanceerde AI's ons helpen beter te definiëren wat intelligentie werkelijk is.
De paper zelf bespreekt de geschiedenis van neurowetenschappen en kunstmatige intelligentie om de interacties tussen beide te begrijpen. Het stelt dat deep learning, waarbij lagen kunstmatige neuronen worden gebruikt om input te begrijpen, en versterkend leren, waarbij systemen leren met vallen en opstaan, beide veel te danken hebben aan neurowetenschap.
Maar het wijst er ook op dat recentere ontwikkelingen niet zo effectief op biologie hebben geleund, en dat een algemene intelligentie meer mensachtige kenmerken nodig heeft, zoals een intuïtief begrip van de echte wereld en efficiëntere manieren van leren. De oplossing, zo stellen Hassabis en zijn collega's, is een hernieuwde uitwisseling van ideeën tussen AI en neurowetenschap [die] een 'virtueuze cirkel' kan creëren die de doelstellingen van beide velden bevordert.
Hassabis staat niet alleen in dit soort denken. Gary Marcus, hoogleraar psychologie aan de New York University en voormalig directeur van het AI-lab van Uber, heeft betoogd dat systemen voor machinaal leren kunnen worden verbeterd met behulp van ideeën die zijn verzameld door de cognitieve ontwikkeling van kinderen te bestuderen.
Toch zal het niet eenvoudig zijn om die bevindingen digitaal te implementeren. Zoals Hassabis uitlegt in een interview met de Verge , zijn kunstmatige intelligentie en neurowetenschap twee zeer, zeer grote velden geworden die doordrenkt zijn van hun eigen tradities, wat het vrij moeilijk maakt om zelfs maar een van die velden, laat staan deskundig genoeg in beide om te vertalen en verbanden tussen beide te vinden.
(Lees verder: neuron , De rand , Google's Intelligence Designer, kan deze man AI menselijker maken? )