了解四种人工智能

机器理解口头命令,区分图片,驱动汽车和玩游戏比我们更好。他们走在我们中有多久?

由密歇根州立大学的Arend Hinze / November 14, 2016
照片由Shutterstock提供

常见和反复出现的人工智能研究最新突破的观点是赋容和智能机器正好在地平线上。机器理解口头命令,区分图片,驱动汽车和玩游戏比我们更好。他们走在我们中有多久?

新的 关于人工智能的白宫报告 对那个梦想的适当持怀疑态度。它说未来20年可能赢了’t see machines “展示广泛适用的智力与人类相当或超过人类,”虽然它在未来几年内继续说,“机器将在越来越多的任务上达到并超越人性性能。”但它对这些能力如何发展的假设错过了一些重要观点。

作为AI研究员,我’我很高兴在美国政府的最高水平突出显示我自己的领域,但报告几乎专注于我所说的话“无聊的ai。”它驳回了AI研究的一半句子,进入进化如何帮助开发完善的AI系统,以及计算模式如何帮助我们了解我们的人类智能的发展方式。

该报告侧重于可能被称为主流AI工具:机器学习和深度学习。这些是能够的一种技术 玩“Jeopardy!” well, 和 击败人类的大师 在最复杂的游戏中发明。这些当前的智能系统能够处理大量数据并非常快速地进行复杂的计算。但是,他们缺乏一个元素,这将是建立我们将来的众生留言的关键。

我们需要做的不仅仅是教科机器来学习。我们需要克服定义四种不同类型的人工智能的界限,这些障碍是来自我们的单独机器– and us from them.

有多少种人工智能?

有四种人工智能:无功机,记忆有限,心理理论和自我意识。

1.反应机器

最基本的AI系统类型是纯粹的反应性,并且既不能够形成存储器,也不能使过去的经验提供通知当前决策。 深蓝色,IBM’棋牌超级计算机,在20世纪90年代后期击败国际大众嘉士法克帕罗夫是这种机器的完美典范。

深蓝可以识别棋盘上的碎片,并知道每次移动。它可以预测关于它的下一个动作和对手的预测。它可以选择可能性中最佳的动作。

但它没有’T有任何过去的概念,也没有任何内存以前发生过的东西。除了一个很少使用的国际象棋特定规则反对重复同样的移动三次,深蓝色忽略了现在的一刻。所有它确实都是看看棋盘上的碎片,因为它立即站立,并从下一次移动中选择。

这种类型的智能涉及计算机 直接认识世界 并表现出它看到的东西。它没有’依靠世界的内部概念。在一个精细的论文中,AI研究员Rodney Brooks认为 我们应该只构建机器 像这样。他的主要原因是,人们对编程准确的模拟世界来说并不是很擅长电脑使用的,所谓的AI奖学金是什么“representation” of the world.

目前我们惊叹于世界上的智能机器,或者对其特定职责具有非常有限和专业的概念。这 深蓝色的创新’s design 不是为了扩大计算机考虑的可能电影的范围。相反,开发人员发现了一种缩小其观点的方法 停止追求一些潜在的未来移动,根据其结果的评估方式。没有这种能力,深蓝色需要成为一个更强大的计算机,实际击败卡斯帕罗夫。

同样,谷歌’S alphano,它遭到了挥舞着人类的专家,可以’T评估所有潜在的未来移动。它的分析方法比深蓝色更复杂’s, using a 神经网络 评估游戏发展。

这些方法确实提高了AI系统更好地播放特定游戏的能力,但它们可以’t很容易改变或应用于其他情况。这些计算机化的想象力没有更广泛的世界的概念– meaning they can’t功能超出了他们的特定任务’re assigned and are 容易被愚弄.

他们能’T交互地参与世界,我们一天想象AI系统的方式。相反,这些机器每次遇到相同情况时都会表现得完全相同。这对于确保AI系统是值得信赖的:您希望您的自动驾驶是可靠的驾驶员。但它’如果我们希望机器真正聘用,并回应世界的糟糕。这些最简单的AI系统获胜’T甚至无聊,或感兴趣,或悲伤。

2.记忆有限

这个类型的II类包含机器可以调查过去。自动驾驶汽车已经做了一些。例如,他们观察其他汽车’速度和方向。这样可以’T在一个短时间内完成,而是需要识别特定对象并随着时间的推移监控它们。

这些观察结果被添加到自动驾驶汽车中’世界上的预编程表示,这也包括车道标记,红绿灯和其他重要元素,如道路上的曲线。他们’当汽车决定何时改变车道时包括重新,以避免切断另一个驾驶员或被附近的汽车击中。

但是关于过去的这些简单的信息只是瞬态。他们aren.’作为汽车的一部分保存’S的经验库可以学习,人类司机在车轮后面汇编经验的方式。

那么我们如何构建构建完整陈述的AI系统,记住他们的经历并学习如何处理新情况?布鲁克斯是对的,这很难这样做。我自己研究了达尔文进化启发的方法可以开始 弥补人类缺点 通过让机器构建自己的表现。

3.思想理论

我们可能会停止在这里,并致电这一点是我们拥有的机器和我们将来建立的机器之间的重要划分。然而,更好地讨论了表达机器的类型更好,以及他们需要的类型。

在下一个,更高级,课堂上的机器不仅形成了关于世界的表现形式,而且是世界上的其他代理商或实体。在心理学中,这被称为“思想理论” –了解世界上的人,生物和物体可以有影响自己行为的思想和情感。

这对此至关重要 我们如何形成社会,因为他们让我们有社交互动。不太了解彼此’S的动机和意图,而不考虑其他人对我或环境来说是什么,努力工作得最大难以困扰。

如果AI系统确实走在我们中,他们’我必须能够理解我们每个人都有思想和感受和期望’会得到治疗。和他们’LL必须相应地调整其行为。

自我意识

AI开发的最终步骤是建立可以形成关于自己表示的系统。最终,我们的研究人员不仅要了解意识,而是建立拥有它的机器。

从某种意义上说,这是一个延伸“theory of mind”由III型人工智能拥有。意识也被称为“self-awareness” for a reason. (“I want that item”是一个非常不同的声明“我知道我想要那个项目。”)有意识的生物意识到自己,了解他们的内部国家,能够预测他人的感受。我们假设有人在我们身后的交通们身后令人不耐烦,因为那’我们如何感受我们在别人鸣喇叭时。没有思想理论,我们无法制作这些推论。

虽然我们可能远非创造自我意识的机器,但我们应该将我们的努力集中在理解记忆,学习和基于过去经验的决策的能力。这是了解自己的人类智慧的重要一步。如果我们想要设计或进化的机器,这是至关重要的,这些机器不仅仅是对他们在他们面前看到的东西。


谈话

本文最初发布 谈话


永远不会错过每日Govtech今天的故事时事通讯。

订阅


E.Republic平台& Programs