Demis Hassabis kender en ting eller to om kunstig intelligens: han grundlagde den London-baserede AI start DeepMind, som blev købt af Google for $650 millioner tilbage i 2014. Siden da, har hans firma tørres gulvet med mennesker på det komplekse spil af Gå og er begyndt at gøre skridt i retning af skabelsen af en mere generel AIs.
Men nu er han kommet ud, og sagde at være, mener den eneste måde for kunstig intelligens til at realisere sit sande potentiale er med en dosis af inspiration fra menneskelige intellekt.
I øjeblikket er de fleste AI systemer er baseret på lag af matematik, der kun er løst inspireret af den måde, den menneskelige hjerne fungerer. Men forskellige typer af machine learning, såsom talegenkendelse eller identifikation af objekter i et billede, kræver forskellige matematiske strukturer, og den deraf følgende algoritmer er kun i stand til at udføre specifikke opgaver.
Opbygning af AI, der kan udføre almindelige opgaver, snarere end niche dem, er en længe nærede ønske om i verden for machine learning. Men sandheden er, at udvide disse specialiserede algoritmer til noget mere alsidigt stadig en utrolig vanskeligt problem, fordi de menneskelige egenskaber som nysgerrighed, fantasi og hukommelse ikke eksisterer eller kun er i deres vorden i verden af AI.
I en artikel offentliggjort i dag i tidsskriftet Neuron, Hassabis og tre medforfattere hævde, at der kun ved en bedre forståelse af den menneskelige intelligens, kan vi håbe på at skubbe grænserne for, hvad kunstig intellekt kan opnå.
Første, de siger, bedre forståelse af, hvordan hjernen fungerer, vil give os mulighed for at skabe nye strukturer og algoritmer for elektroniske efterretninger. For det andet, erfaringer fra bygning og afprøvning af cutting-edge AIs kunne hjælpe os til bedre at definere, hvad intelligens egentlig er.
Abonnere på Download
Hvad der er vigtigt inden for teknologi og innovation, der leveres til dig hver dag.
Tilmeld
Tak — tjek venligst din e-mail for at bekræfte dit abonnement.
Forkert e-mail-format
Administrer dine indstillinger for nyhedsbrev
Selve papiret gennemgår historien om neurovidenskab og kunstig intelligens til at forstå samspillet mellem de to. Det hævder, at dyb læring, som anvender lag af kunstige neuroner til at forstå indgange, og forstærkning af læring, hvor systemer lære af trial and error, både skylder en hel del til neurovidenskab.
Men det er også påpeger, at nyere fremskridt ikke har lænede sig om biologi, som effektivt, og at en generel intelligens, vil behovet for mere menneske-lignende karakteristika—såsom en intuitiv forståelse af den virkelige verden og mere effektive måder at lære på. Den løsning, Hassabis og hans kolleger argumenterer for, er en ny “udveksling af ideer mellem AI og neurovidenskab [at], kan du oprette en ‘god cirkel’ fremme målene i begge felter.”
Hassabis er ikke alene i denne form for tænkning. Gary Marcus, en professor i psykologi ved New York Universitet og tidligere direktør for Uber ‘ s AI lab, har argumenteret for, at machine-learning systemer kan forbedres ved hjælp af ideer, der indsamles ved at studere børnenes kognitive udvikling.
Selv så gennemføre disse resultater digitalt vil ikke være let. Som Hassabis forklarer i et interview med the Verge, kunstig intelligens og neurovidenskab er blevet “to meget, meget store felter, der er forankret i deres egne traditioner”, som gør det “svært at være ekspert i endnu et af disse felter, endsige ekspert nok både, at du kan oversætte og finde forbindelser mellem dem.”
(Læs mere: Neuron, Randen, “Google’ s Intelligence Designer”, “Denne Mand Gør AI Mere Menneskelige?”)