Каким станет ИИ в будущем?

Беспилотному автомобилю под управлением ИИ, возможно, потребуется столкнуться с деревом 50 000 раз при виртуальном моделировании в процессе обучения, прежде чем он поймет, что действует неправильно. Но у диких коз, пасущихся на невероятно крутых склонах, нет возможности жить и умирать миллионы раз, прежде чем они смогут научиться уверенно и без опаски взбираться на эти кручи.

Современные наиболее мощные системы ИИ узнают почти все о мире с нуля с помощью мощных вычислительных ресурсов. Для сравнения, люди и животные, по-видимому, интуитивно понимают определенные концепции объекта и места, совокупности связанных вещей, которые позволяют им быстро узнать, как устроен этот мир.

Потребуется ли обучаемым ИИ встроенная версией этой врожденной когнитивной методики, которой обладают люди и животные, для достижения аналогичного уровня общего интеллекта?

Два ведущих исследователя в области ИИ и психологии обсуждали эту тему на мероприятии, организованном Центром разума, мозга и сознания Нью-Йоркского университета.

«Ни один из методов ИИ, которые мы имеем, не может построить представления о мире через структуру или через обучение, которые способны сравниться с возможностями животных и людей», - сказал Янн ЛеКун ученый из Нью-Йоркского университета и директор исследовательского отдела ИИ в Facebook.

Алгоритмы глубокого обучения выяснили, как ИИ может выполнять все задачи без эквивалентного, имеющегося у людей и животных, врожденного когнитивного механизма. Вместо этого алгоритмы глубокого обучения постепенно учатся распознавать определенные модели мира во время фильтрации огромных объемов данных, применяемого для определенных задач, таких как распознавание изображений, когда есть обширные вычислительные ресурсы Facebook, Google или Microsoft.

Все согласны с тем, что современные методы ИИ, такие как глубокое обучение, все еще не позволяют создать ИИ, который обладал бы интеллектом, сопоставимым с возможностями мозга животных и людей. Тем не менее, ЛеКун полагает, что ИИ может добиться прогресса в разработке общего интеллекта, основанного на неконтролируемом глубоком обучении, которое в значительной степени устраняет потребность в предоставлении людьми данных с ручной маркировкой, на основе которых машины обучаются.

Успех современного ИИ во многом зависит от того, что он не строится на предположениях или структурированных концепциях представления о мире, отмечает ЛеКун. В этом смысле он предпочитает поддерживать такой упрощенный подход при минимальном структурировании алгоритмов ИИ. Он воображает, что делает это без необходимости использовать идеи лингвистов и психологов. «Моя задача состоит в том, чтобы свести к минимуму количество врожденного механизма, чтобы обучаться с тем количеством данных, которое у нас есть», - сказал ЛеКун.

Гари Маркус, исследователь-психолог из Нью-Йоркского университета, признал, что у неконтролируемого глубокого обучения есть шанс на успех. Но он считает, что такие алгоритмы могут быть успешными только в том случае, если у них есть «более богатый набор примитивов и представлений, чем просто пиксели», чтобы понять этот мир.