Forskere forsøger at genskabe menneskelignende tænkning i maskiner

Forskere ved Oxford University har for nylig forsøgt at genskabe menneskelige tankemønstre i maskiner, ved hjælp af et sprogstyret fantasi (LGI) netværk. Deres metode, skitseret i et papir, der er forududgivet på arXiv, kunne informere udviklingen af ​​kunstig intelligens, der er i stand til menneskelignende tænkning, som medfører en målstyret strøm af mentale ideer styret af sproget.

Menneskelig tænkning kræver generelt, at hjernen forstår et bestemt sprogudtryk og bruger det til at organisere strømmen af ​​ideer i sindet. For eksempel, hvis en person, der forlader sit hus, indser, at det regner, hun kunne internt sige, "Hvis jeg får en paraply, Jeg undgår måske at blive våd, " og beslutter så at tage en paraply op på vej ud. Mens denne tanke går gennem hendes hoved, imidlertid, hun vil automatisk vide, hvad det visuelle input (dvs. regndråber) hun observerer betyder, og hvordan holde en paraply kunne forhindre at blive våd, måske endda forestille sig følelsen af ​​at holde paraplyen eller blive våd under regnen.

Selvom nogle maskiner nu kan genkende billeder, bearbejde sprog eller endda fornemme regndråber, de har endnu ikke tilegnet sig denne unikke og fantasifulde tænkeevne. Mennesker kan opnå en sådan "kontinuerlig tænkning", fordi de er i stand til at generere mentale billeder styret af sprog og uddrage sprogrepræsentationer fra virkelige eller forestillede situationer.

I de seneste år, forskere har udviklet værktøjer til naturlig sprogbehandling (NLP), der kan besvare spørgsmål på en menneskelignende måde. Imidlertid, disse er blot sandsynlighedsmodeller, og er dermed ude af stand til at forstå sproget på samme måde og med samme dybde som mennesker. Dette skyldes, at mennesker har en medfødt kumulativ læringskapacitet, der ledsager dem, når deres hjerne udvikler sig. Dette "menneskelige tankesystem" har vist sig at være forbundet med bestemte neurale substrater i hjernen, hvoraf den vigtigste er den præfrontale cortex (PFC).

PFC er den region i hjernen, der er ansvarlig for arbejdshukommelsen (dvs. hukommelsesprocesser, der finder sted, mens mennesker udfører en given opgave), herunder vedligeholdelse og manipulation af information i sindet. I et forsøg på at reproducere menneskelignende tankemønstre i maskiner, Feng Qi og Wenchuan Wu, de to forskere, der udførte den nylige undersøgelse, skabt et kunstigt neuralt netværk inspireret af den menneskelige PFC.

"Vi foreslog et sprogstyret fantasi (LGI) netværk for gradvist at lære betydningen og brugen af ​​adskillige ord og syntakser, sigter på at danne en menneskelignende maskintænkningsproces, " forklarede forskerne i deres papir.

LGI-netværket udviklet af Qi og Wu har tre nøglekomponenter:et visionssystem, et sprogsystem og en kunstig PFC. Synssystemet er sammensat af en encoder, der adskiller input modtaget af netværket eller forestillede scenarier til abstrakte befolkningsrepræsentationer, samt en fantasidekoder, der rekonstruerer forestillede scenarier fra repræsentationer på højere niveau.

Det andet undersystem, sprogsystemet, inkluderer en binarizer, der overfører symboltekster til binære vektorer, et system, der efterligner funktionen af ​​den humane intraparietale sulcus (IPS) ved at udtrække mængdeinformation fra inputtekster og en textizer, der konverterer binære vektorer til tekstsymboler. Den sidste komponent i deres LGI-netværk efterligner den menneskelige PFC, ved at kombinere input af både sprog- og synsrepræsentationer for at forudsige tekstsymboler og manipulerede billeder.

Qi og Wu evaluerede deres LGI-netværk i en række eksperimenter og fandt ud af, at det med succes erhvervede otte forskellige syntakser eller opgaver på en kumulativ måde. Deres teknik dannede også den første 'maskintænkningsløjfe, " viser en vekselvirkning mellem forestillede billeder og sproglige tekster. I fremtiden vil LGI-netværket udviklet af forskerne kunne hjælpe med udviklingen af ​​mere avanceret kunstig intelligens, som er i stand til menneskelignende tankestrategier, såsom visualisering og fantasi.

"LGI har gradvist lært otte forskellige syntakser (eller opgaver), med hvilken en maskinelt tænkesløjfe er blevet dannet og valideret af den rette interaktion mellem sprog og visionssystem, " skrev forskerne. "Vores papir giver en ny arkitektur til at lade maskinen lære, forstå og bruge sproget på en menneskelignende måde, der i sidste ende kunne sætte en maskine i stand til at konstruere fiktive mentale scenarier og besidde intelligens."

© 2019 Science X Network