Bu temel insan becerisi, yapay zekanın başarması gereken bir sonraki önemli kilometre taşı olacak

Bu dünyadaki her şeyin ve olgunun, neden-sonuç adı verilen bir korelasyon modeline göre - az çok - birbiriyle ilişkili olduğunu ilk keşfettiğinizde hissettiğiniz şaşkınlık ve sevinci hatırlıyor musunuz: Durum böyleyse, o zaman budur. ya da bu olay o olaya yol açan sebeptir.

Bu kulağa "makro" gibi gelse de aslında son derece basittir ve temel insan becerilerinin bir kategorisidir. Bilimsel araştırmalar, neden-sonuç ilkesini henüz konuşamadığımız sekiz aylıkken anlamaya başladığımızı gösteriyor. Çevremizdeki dünyadaki şeylerin ve olayların varlığı hakkında temel çıkarımlar yapmamıza yardımcı olur. Ancak çoğumuz yaklaşık üç veya dört yaşına gelmeden pek çok şeyi hatırlayamayız, dolayısıyla "neden" sorularını yanıtlamaya yardımcı olan neden-sonucu algılama yeteneği, yavaş yavaş bir beceri haline gelir. hafife almak.

Ancak gerçekte bu sadece insanların etraflarındaki dünyayı anlamaları için önemli bir ders değil, aynı zamanda günümüz yapay zeka (AI) sistemlerinin hala oldukça kötü olduğu ve daha iyi performans elde etmek için geliştirilmesi gereken bir beceridir.

Modern yapay zeka sistemlerinin Go oynayan veya kalabalık sokaklarda araba kullanan insanları yenme yeteneğinin, insanların bu olasılıklarda ustalaşmak için kullanabileceği zeka türüyle karşılaştırılması gerekmiyor. Bunun nedeni, insanların - bebeklik çağında bile - bilgiyi bir alandan diğerine uygulayarak durumları genelleştirme yeteneğine zaten sahip olmalarıdır. Yapay zekanın tam potansiyeline ulaşması için yapması gereken de budur.

Sebep-sonuç ilişkisi kurma yeteneği, yapay zekanın edinmesi gereken bir sonraki beceridir

Örneğin, bir yapay zeka robotu tuğla kullanarak bir ev inşa etmeyi öğrenirse, neden-sonuç analizi becerileri onun bu tuğlaları bir ev, bir köprü ve hatta daha karmaşık yapılara sahip yapılar inşa etmek için de kullanabileceğini anlamasına ve fark etmesine yardımcı olabilir. . Başka bir deyişle, yapay zeka farklı çevresel değişkenler arasındaki neden-sonuç ilişkilerini anlama becerisine sahip olduğunda bu başarılabilir.

Yapay zeka için sanal bir eğitim dünyası

Gelişmiş makine öğrenimi modellerinin nesnelerin kütlesi veya şekli gibi çevresel özelliklerdeki farklı değişikliklere daha iyi genellenebilmesini sağlayan derin bir yapay zeka eğitim ortamına ihtiyacımız var. Örneğin, bir robot belirli bir nesneyi almayı öğrendiğinde, onun hangi pozisyonda durması gerektiğini ve ayrıca büyük, ağır bir nesneyi almak için ne kadar kuvvet kullanması gerektiğini tanıyabilmesini bekleyebiliriz. verilen her durumda neden ve sonucun uygun uygulamalarını anladığı sürece. Bilim adamlarını CausalWorld adında bir araç yaratmaya iten şey de buydu.

The Matrix gibi bilim kurgu filmlerinde sıklıkla duyduğumuz türden bir sanal eğitim ortamı ise kuralların geçerli olmadığı bir sanal dünya. Bunun aksine, CausalWorld'de araştırmacılar, robotik ortamlarda yöntemlerini sistematik olarak eğitebilir ve değerlendirebilirler. Her şey kurallarla ve bunların nasıl uygulandığıyla ilgilidir. Burada robotlara, çocukların Lego ile oynamasındakine benzer görevlerin yanı sıra neden-sonuç analizi becerileriyle ilgili diğer oyunlar da verilebiliyor. Araştırmacılar, robotun eğitilirken genelleme yapma yeteneğini test etmek için müdahale edebilir. Esasen bu, yapay zekanın sorunu nasıl genelleştirebileceğini değerlendirmeye yardımcı olan bir test ortamıdır.

Sebep-sonucu analiz etme becerisinde uzmanlaştıktan sonra yapay zeka sistemlerinin performansı, bağımsız olarak daha etkili bir şekilde çalışabilme yeteneğinin yanı sıra birçok kez artacaktır.