Vergeet AlphaGo - DeepMind heeft een interessantere stap in de richting van algemene AI

AlphaGo en zelfrijdende auto's zijn verbazingwekkend slim, maar geen van beide vertegenwoordigt een hele grote sprong in de richting van algemene kunstmatige intelligentie. Gelukkig ontwikkelen sommige AI-onderzoekers manieren om machine-intelligentie te verbreden.

De onderzoekers van DeepMind, die de kampioen Go-playing robot AlphaGo hebben gemaakt, werken aan een aanpak die van belang kan zijn in de zoektocht om machines net zo intelligent te maken als wij.

In twee papieren deze week gepubliceerd en gemeld door nieuwe wetenschapper, onderzoekers van de dochteronderneming van Alphabet beschrijven pogingen om computers te leren over relationeel redeneren, een cognitief vermogen dat fundamenteel is voor menselijke intelligentie.

Simpel gezegd, relationeel redeneren is het vermogen om relaties tussen verschillende mentale representaties, zoals objecten, woorden of ideeën, te overwegen. Dit soort redenering is zowel cruciaal voor de menselijke cognitieve ontwikkeling als essentieel voor het oplossen van zowat elk probleem.

De meeste bestaande machine learning-systemen proberen de relatie tussen concepten niet te begrijpen. Een vision-systeem kan bijvoorbeeld een hond of kat op een foto herkennen, maar weet niet dat de hond de kat achterna zit.

De twee systemen die bij DeepMind zijn ontwikkeld, lossen dat op door bestaande machinale leermethoden aan te passen zodat ze in staat zijn om te leren over fysieke relaties tussen statische objecten, evenals het gedrag van bewegende objecten in de loop van de tijd.

Ze demonstreren de eerste mogelijkheid met behulp van CLEVR, een dataset van eenvoudige objecten. Na de training kunnen ze het systeem vragen of het ene object voor het andere staat, of welk object het dichtst bij is. Hun resultaten zijn dramatisch beter dan alles wat eerder is bereikt, in sommige gevallen zelfs beter dan de menselijke prestaties.

In het tweede artikel laten de onderzoekers zien hoe een vergelijkbaar aangepast machine-leersysteem kan leren om het gedrag van eenvoudige objecten in twee dimensies te voorspellen. We doen dit soort dingen altijd in drie dimensies, bijvoorbeeld bij het vangen van een bal of het besturen van een auto. Psychologische experimenten tonen zelfs aan dat mensen een intuïtieve physics engine gebruiken bij het voorspellen van de effecten van een actie op objecten. Dat is een stuk geavanceerder en krachtiger dan simpelweg de objecten in een scène herkennen.

Hoewel de vorderingen misschien geen oogverblindende doorbraken zijn, zijn ze precies het soort onderzoek dat nodig is. Hoe indrukwekkend de AI van vandaag ook is, het meeste houdt in dat een machine leert een ongelooflijk smalle taak uit te voeren. Zonder nieuwe ideeën blijven AI-systemen niet in staat tot zaken als het voeren van een echt gesprek of het zelfstandig oplossen van lastige problemen.

Sam Gershman , een professor psychologie aan Harvard die intelligentie bestudeert, zegt dat we moeten nadenken over het beter nabootsen van menselijke intelligentie als we willen dat kunstmatige intelligentie op de onze lijkt.

Onze hersenen vertegenwoordigen de wereld in termen van relaties tussen objecten, agenten en gebeurtenissen, vertelde hij MIT Technology Review via e-mail. Door de wereld op deze manier weer te geven, wordt het soort gevolgtrekkingen dat we uit gegevens trekken enorm beperkt, waardoor het moeilijker wordt om sommige dingen te leren en andere dingen gemakkelijker te leren. Dus in die zin is dit werk een stap in de goede richting: het inbouwen van mensachtige beperkingen waardoor machines gemakkelijker taken kunnen leren die voor de mens natuurlijk zijn.

Gershman waarschuwde echter voor het overdrijven van het belang van DeepMind-werk. Supermenselijke prestaties bij een bepaalde machine learning-taak impliceren geen bovenmenselijke intelligentie, zei hij.

Relationeel redeneren is ook slechts één element van menselijke intelligentie. Gershman en anderen schreven: een krant vorig jaar dat de andere aspecten van menselijke intelligentie onderzoekt die momenteel ontbreken in AI. Naast redeneren over relaties, merkten ze bijvoorbeeld op dat mensen in staat zijn tot compositorisch vermogen, of nieuwe ideeën te bouwen op basis van bestaande kennis om problemen op te lossen.

Relationeel redeneren is een noodzakelijke maar niet voldoende voorwaarde voor mensachtige intelligentie, zei Gershman.

(Lees verder: DeepMind's neurale netwerk leert AI redeneren over de wereld )

zich verstoppen