Questa abilità umana di base sarà il prossimo importante traguardo che l’intelligenza artificiale dovrà raggiungere

Ricordi la sensazione di sorpresa e gioia quando hai scoperto per la prima volta che tutte le cose e i fenomeni di questo mondo sono correlati tra loro - più o meno - secondo un modello di correlazione chiamato causa-effetto: se è così, allora è così? , oppure questo evento è la ragione che porta a quell'evento.

Sembra "macro" ma in realtà è estremamente semplice ed è una categoria di abilità umane di base. La ricerca scientifica mostra che iniziamo a comprendere il principio di causa ed effetto già all'età di otto mesi, quando ancora non possiamo parlare. Ci aiuta a fare inferenze elementari sull'esistenza di cose e fenomeni nel mondo circostante. Tuttavia, la maggior parte di noi non riesce a ricordare molte cose prima dei tre o quattro anni, quindi la capacità di percepire causa ed effetto, che aiuta a rispondere alle domande sul "perché", diventa gradualmente un'abilità. dare per scontato.

Tuttavia, in realtà, questa non è solo una lezione importante per le persone per comprendere il mondo che li circonda, ma anche un'abilità in cui i sistemi di intelligenza artificiale (AI) di oggi sono ancora piuttosto scadenti e che dovrebbe essere insegnata e migliorata per ottenere prestazioni migliori.

La capacità dei moderni sistemi di intelligenza artificiale di battere le persone che giocano a Go o guidano auto su strade affollate non deve necessariamente essere paragonata al tipo di intelligenza che gli esseri umani possono utilizzare per padroneggiare queste possibilità. Questo perché gli esseri umani, anche da bambini, possiedono già la capacità di generalizzare le situazioni applicando la conoscenza da un dominio all'altro. Affinché l’intelligenza artificiale possa raggiungere il suo pieno potenziale, questo è ciò che deve fare.

La capacità di ragionare su causa ed effetto è la prossima abilità che l’IA deve acquisire

Ad esempio, se un robot AI impara a costruire una casa utilizzando i mattoni, le capacità di analisi causa-effetto possono aiutarlo a capire e rendersi conto che può utilizzare quei mattoni anche per costruire una casa, un ponte o anche strutture con strutture più complesse. . In altre parole, ciò può essere raggiunto quando l’intelligenza artificiale possiede la capacità di comprendere le relazioni di causa-effetto tra le diverse variabili ambientali.

Un mondo di formazione virtuale per l'intelligenza artificiale

Abbiamo bisogno di un ambiente di formazione sull’intelligenza artificiale approfondito che consenta ai modelli avanzati di apprendimento automatico di generalizzare meglio ai diversi cambiamenti nelle caratteristiche ambientali, come la massa o la forma degli oggetti. Ad esempio, quando un robot impara a sollevare un oggetto specifico, possiamo aspettarci che sia in grado di riconoscere in quale posizione dovrebbe trovarsi e quanta forza utilizzare per sollevare un oggetto ingombrante e pesante. purché comprenda le applicazioni appropriate di causa ed effetto in ciascun caso specifico. Questo è ciò che ha spinto gli scienziati a creare uno strumento chiamato CausalWorld.

È il tipo di ambiente di formazione virtuale di cui sentiamo spesso parlare nei film di fantascienza, come in The Matrix, un mondo virtuale in cui le regole non si applicano. Al contrario, in CausalWorld, i ricercatori possono addestrare e valutare sistematicamente i loro metodi in ambienti robotici. È tutta una questione di regole e di come vengono applicate. Lì, ai robot possono essere assegnati compiti simili a quando i bambini giocano con i Lego, così come altri giochi legati alle capacità di analisi di causa ed effetto. I ricercatori possono intervenire per testare la capacità di generalizzazione del robot mentre viene addestrato. In sostanza, si tratta di un ambiente di test che aiuta a valutare come l’intelligenza artificiale può generalizzare il problema.

Una volta acquisita la capacità di analizzare causa ed effetto, le prestazioni dei sistemi di intelligenza artificiale miglioreranno molte volte, insieme alla capacità di operare in modo indipendente in modo più efficace.