Această abilitate umană de bază va fi următoarea etapă importantă pe care AI trebuie să o atingă

Îți amintești sentimentul de surpriză și bucurie când ai descoperit prima dată că toate lucrurile și fenomenele din această lume sunt legate între ele - mai mult sau mai puțin - conform unui model de corelație numit cauză - efect: Dacă acesta este cazul, atunci acesta este , sau acest eveniment este motivul care a condus la acel eveniment.

Acest lucru sună „macro”, dar de fapt este extrem de simplu și este o categorie de abilități umane de bază. Cercetările științifice arată că începem să înțelegem principiul cauzei și efectului încă de la vârsta de opt luni - când încă nu putem vorbi. Ne ajută să facem inferențe elementare despre existența lucrurilor și a fenomenelor în lumea înconjurătoare. Cu toate acestea, cei mai mulți dintre noi nu își pot aminti multe lucruri înainte de a împlini trei sau patru ani, așa că abilitatea de a percepe cauza și efectul, care ajută la răspunsul la întrebările „de ce”, devine treptat o abilitate.funcții de bază, pe care pur și simplu le putem lua de bun.

Cu toate acestea, în realitate, aceasta nu este doar o lecție importantă pentru ca oamenii să înțeleagă lumea din jurul lor, ci și o abilitate la care sistemele de inteligență artificială (AI) de astăzi sunt încă destul de proaste și ar trebui să fie predate îmbunătățite pentru a obține performanțe mai bune.

Capacitatea sistemelor AI moderne de a învinge oamenii care joacă Go sau conduc mașini pe străzile aglomerate nu trebuie neapărat comparată cu tipul de inteligență pe care oamenii îl pot folosi pentru a stăpâni aceste posibilități. Acest lucru se datorează faptului că oamenii - chiar și când sunt sugari - posedă deja capacitatea de a generaliza situații prin aplicarea cunoștințelor dintr-un domeniu în altul. Pentru ca AI să-și atingă întregul potențial, aceasta este și ceea ce trebuie să facă.

Abilitatea de a raționa cauza și efectul este următoarea abilitate pe care AI trebuie să o dobândească

De exemplu, dacă un robot AI învață cum să construiască o casă folosind cărămizi, abilitățile de analiză cauza-efect îl pot ajuta să înțeleagă și să realizeze că poate folosi acele cărămizi și pentru a construi o casă. un pod sau chiar structuri cu structuri mai complexe. . Cu alte cuvinte, acest lucru poate fi atins atunci când AI posedă abilitatea de a înțelege relațiile cauză-efect dintre diferitele variabile de mediu.

O lume virtuală de antrenament pentru AI

Avem nevoie de un mediu de instruire profund AI care să permită modelelor avansate de învățare automată să se generalizeze mai bine la diferite schimbări ale caracteristicilor mediului, cum ar fi masa sau forma obiectelor. De exemplu, atunci când un robot învață să ridice un anumit obiect, ne putem aștepta să recunoască în ce poziție ar trebui să stea, precum și cât de multă forță să folosească pentru a ridica un obiect voluminos și greu. atâta timp cât înțelege aplicațiile adecvate ale cauzei și efectului în fiecare caz dat. Acesta este ceea ce i-a determinat pe oamenii de știință să creeze un instrument numit CausalWorld.

Dacă tipul de mediu de antrenament virtual despre care auzim adesea în filmele științifico-fantastice, cum ar fi în The Matrix - o lume virtuală în care regulile nu se aplică. În schimb, în ​​CausalWorld, cercetătorii își pot antrena și evalua în mod sistematic metodele în medii robotizate. Totul ține de reguli - și de modul în care acestea sunt aplicate. Acolo, roboților li se pot atribui sarcini similare cu atunci când copiii se joacă cu Lego, precum și alte jocuri legate de abilitățile de analiză cauze și efect. Cercetătorii pot interveni pentru a testa capacitatea robotului de a generaliza pe măsură ce este antrenat. În esență, acesta este un mediu de testare care ajută la evaluarea modului în care AI poate generaliza problema.

Odată ce stăpâniți capacitatea de a analiza cauza și efectul, performanța sistemelor AI se va îmbunătăți de multe ori, împreună cu capacitatea de a funcționa independent mai eficient.