Ερ:
Γιατί οι μηχανικοί της AI πρέπει να ανησυχούν για "διαισθητικούς κινητήρες";
ΕΝΑ:Η ιδέα της ανθρώπινης διαίσθησης είναι τώρα ένα σημαντικό κομμάτι της πρωτοποριακής εργασίας τεχνητής νοημοσύνης - γι 'αυτό οι μηχανικοί της AI δίνουν μεγάλη προσοχή σε "διαισθητικούς κινητήρες" και σε άλλα παρόμοια μοντέλα. Οι επιστήμονες προσπαθούν να σπάσουν τη διαδικασία της ανθρώπινης διαίσθησης και να την προσομοιώσουν με οντότητες τεχνητής νοημοσύνης. Ωστόσο, εξετάζοντας το πώς λειτουργούν η λογική και η διαίσθηση στα νευρωνικά δίκτυα και σε άλλες τεχνολογίες AI, ο ορισμός της διαίσθησης γίνεται κάπως υποκειμενικός.
Ένα από τα καλύτερα παραδείγματα είναι η χρήση ενός νέου, ταλαντούχου υπερυπολογιστή για να νικήσει τους πρωταθλητές του κόσμου στο παιχνίδι Go - ένα παιχνίδι που περιγράφεται συχνά ως κάπως διαισθητικό, αν και βασίζεται επίσης στη σκληρή λογική. Δεδομένου ότι το Google AlphaGo έχει κερδίσει εμπειρογνώμονες ανθρώπους, υπάρχουν πολλές εικασίες σχετικά με το πόσο καλά οι υπολογιστές είναι σε ανθρώπινο στυλ διαίσθηση. Ωστόσο, αν κοιτάξετε τη δομή του παιχνιδιού του Go, θα δείτε ότι υπάρχουν πολλά που πρέπει να καθοριστούν στην πραγματική κατασκευή αυτών των τεχνολογιών για να υπολογίσετε πόσα εξαρτώνται από τη διαίσθηση και πόσα εξαρτώνται σε εκτεταμένα λογικά μοντέλα.
Σε ένα παιχνίδι Go, ένας άνθρωπος μπορεί να τοποθετήσει μια κίνηση βασισμένη στην διαισθητική αντίληψη ή τη λογική μεγάλης εμβέλειας ή ένα μίγμα και των δύο. Με τον ίδιο τρόπο, οι υπολογιστές μπορούν να δημιουργήσουν πρότυπα παίζοντας παίζοντας βασισμένα σε εκτεταμένα λογικά μοντέλα που μπορούν να αντικατοπτρίζουν ή να προσομοιώσουν το διαισθητικό παιχνίδι σε κάποιο βαθμό. Έτσι, μιλώντας για το πόσο καλά οι υπολογιστές μπορεί να είναι σε διαισθητικά μοντέλα, είναι σημαντικό να ορίσουμε τη διαίσθηση, την οποία η επιστημονική κοινότητα δεν έχει κάνει τελείως.
Η Mary Jolly στο Πανεπιστήμιο της Λισαβόνας σημειώνει διαφορετικές απόψεις σχετικά με τους ορισμούς της διαίσθησης σε ένα έγγραφο με τίτλο "Η έννοια της διαίσθησης στην τεχνητή νοημοσύνη".
"Δεν υπάρχει συναίνεση μεταξύ των μελετητών σχετικά με τον ορισμό της έννοιας", γράφει ο Jolly. "Μέχρι πρόσφατα, η διαίσθηση δεν απέδωσε αυστηρές επιστημονικές μεθόδους μελέτης και, συχνά συνδέεται με μυστικισμό, έχει συνήθως αποφεύγεται από τους ερευνητές. Μέχρι στιγμής, ο λόγος για το θέμα δεν έδειξε συνοχή και μέθοδο. "
Αν η έννοια της διαίσθησης είναι από μόνη της εγγενώς αόριστη, η μέτρηση του βαθμού στον οποίο η τεχνητή νοημοσύνη κάνει στη προσομοίωση της διαίσθησης θα είναι ακόμη πιο προβληματική.
Μία εξήγηση από τους συγγραφείς μιας εργασίας με τίτλο "Εφαρμογή μηχανισμού διαίσθησης όπως η τεχνητή νοημοσύνη με τον άνθρωπο" υποδηλώνει τα εξής:
Η ανθρώπινη διαίσθηση έχει εξομοιωθεί με πολλά ερευνητικά έργα που χρησιμοποιούν τεχνικές τεχνητής νοημοσύνης. Οι περισσότεροι από αυτούς τους αλγόριθμους ή μοντέλα δεν έχουν την ικανότητα να χειρίζονται επιπλοκές ή εκτροπές. Επιπλέον, δεν εξηγούν τους παράγοντες που επηρεάζουν τη διαίσθηση και την ακρίβεια των αποτελεσμάτων αυτής της διαδικασίας. Στην παρούσα εργασία παρουσιάζουμε ένα απλό πρότυπο βασισμένο στη σειρά για την υλοποίηση της ανθρώπινης διαίσθησης χρησιμοποιώντας τις αρχές της συνδεσιμότητας και των άγνωστων οντοτήτων.
Για μια πιο συγκεκριμένη ματιά στη διαδικασία της ανθρώπινης διαίσθησης, ένα ενσύρματο άρθρο αναφέρει την έρευνα του MIT στην επεξήγηση της "διαισθητικής φυσικής μηχανής" του ανθρώπου - που εξηγεί τι συμβαίνει όταν κοιτάζουμε μια στοίβα αντικειμένων. Μπορούμε να κατανοήσουμε διαισθητικά εάν τα αντικείμενα είναι πιθανό να πέσουν ή αν είναι σταθερά ή σταθερά, αλλά αυτή η διαίσθηση βασίζεται σε εκτεταμένους λογικούς κανόνες που έχουμε εσωτερικεύσει με την πάροδο του χρόνου, καθώς και στα μοντέλα άμεσης όρασης και αντίληψης.
Ο συγγραφέας Joi Ito επισημαίνει ότι τα συστήματα στα οποία χρησιμοποιούμε διαισθητικά τις μηχανές φυσικής μας είναι "θορυβώδη" και είμαστε σε θέση να φιλτράρουμε αυτόν τον θόρυβο. Αυτό ήταν ένα μεγάλο μέρος της ανάπτυξης της τεχνητής νοημοσύνης - εξάγοντας την αίσθηση από τα θορυβώδη μοντέλα. Ωστόσο, αυτά τα μοντέλα πρέπει να προχωρήσουν πολύ πιο πολύ ώστε να κάνουν πραγματικά τα είδη των προβλέψεων και της ανάλυσης που μπορούν να εφαρμόσουν οι άνθρωποι σε σύνθετα συστήματα.
Ένας εύκολος τρόπος για να το θέσω είναι ότι για να επιτευχθεί αυτό το αποτέλεσμα, οι υπολογιστές θα πρέπει να αναμειγνύουν εκλεπτυσμένη όραση με εκτεταμένη λογική και αντιληπτική γνώση με τρόπους που σήμερα δεν μπορούν. Ένας άλλος τρόπος για να εξηγήσουμε είναι ότι βλέπουμε τον ανθρώπινο εγκέφαλο ως ένα "μαύρο κουτί" που δεν έχει κατασκευαστεί από την τεχνολογία. Αν και οι τεχνολογίες μας είναι εξαιρετικά ικανές να παράγουν έξυπνα αποτελέσματα, δεν μπορούν ακόμα να προσομοιώσουν την ισχυρή, μυστηριώδη και εκπληκτική δραστηριότητα του ίδιου του ανθρώπινου εγκεφάλου.
