Tiến bộ trong trí tuệ nhân tạo đã cho phép tạo ra các AI thực hiện các nhiệm vụ mà trước đây người ta nghĩ rằng chỉ có thể thực hiện được đối với con người, chẳng hạn như dịch ngôn ngữ, lái xe ô tô, chơi trò chơi trên bàn cờ ở cấp độ vô địch thế giới, và chiết xuất cấu trúc của protein. Tuy nhiên, mỗi AI này đã được thiết kế và đào tạo toàn diện cho một nhiệm vụ duy nhất và có khả năng chỉ học những gì cần thiết cho nhiệm vụ cụ thể đó.

Những AI gần đây sản xuất văn bản trôi chảy, kể cả khi trò chuyện với con người, và tạo ra nghệ thuật ấn tượng và độc đáo có thể cung cấp cho ấn tượng sai lầm về trí óc tại nơi làm việc. Nhưng thậm chí đây là những hệ thống chuyên biệt thực hiện các nhiệm vụ được xác định hẹp và đòi hỏi một lượng lớn đào tạo.

Nó vẫn là một thách thức khó khăn khi kết hợp nhiều AI thành một AI có thể học và thực hiện nhiều nhiệm vụ khác nhau, ít theo đuổi toàn bộ các nhiệm vụ do con người thực hiện hoặc tận dụng phạm vi trải nghiệm có sẵn cho con người để giảm lượng dữ liệu cần thiết. tìm hiểu cách thực hiện những tác vụ này. Các AI tốt nhất hiện tại về mặt này, chẳng hạn như alphazero và Gato, có thể xử lý nhiều tác vụ phù hợp với một khuôn duy nhất, giống như chơi trò chơi. Trí tuệ nhân tạo tổng hợp (AGI) khả năng của một loạt các nhiệm vụ vẫn còn khó nắm bắt.

Cuối cùng, AGI cần có khả năng tương tác hiệu quả với nhau và mọi người trong các môi trường vật chất và bối cảnh xã hội khác nhau, tích hợp nhiều loại kỹ năng và kiến ​​thức cần thiết để làm như vậy, đồng thời học hỏi một cách linh hoạt và hiệu quả từ những tương tác này.

Việc xây dựng AGI đi kèm với việc xây dựng bộ óc nhân tạo, mặc dù đã được đơn giản hóa rất nhiều so với bộ óc con người. Và để xây dựng một trí óc nhân tạo, bạn cần bắt đầu với một mô hình nhận thức.

Từ trí tuệ nhân tạo đến trí tuệ nhân tạo

Con người có một tập hợp các kỹ năng và kiến ​​thức gần như không giới hạn, và nhanh chóng học thông tin mới mà không cần phải thiết kế lại để làm như vậy. Có thể hình dung rằng một AGI có thể được xây dựng bằng cách sử dụng một cách tiếp cận khác về cơ bản với trí thông minh của con người. Tuy nhiên, như ba lâu năm nhà nghiên cứu in AI và nhận thức khoa học, cách tiếp cận của chúng tôi là lấy cảm hứng và hiểu biết sâu sắc từ cấu trúc của tâm trí con người. Chúng tôi đang làm việc cho AGI bằng cách cố gắng hiểu rõ hơn về tâm trí con người và hiểu rõ hơn về tâm trí con người bằng cách làm việc với AGI.

Từ nghiên cứu trong khoa học thần kinh, khoa học nhận thức và tâm lý học, chúng ta biết rằng bộ não con người không phải là một tập hợp tế bào thần kinh đồng nhất khổng lồ cũng không phải là một tập hợp lớn các chương trình cụ thể cho nhiệm vụ mà mỗi chương trình giải quyết một vấn đề duy nhất. Thay vào đó, nó là một tập hợp các vùng có các thuộc tính khác nhau hỗ trợ các khả năng nhận thức cơ bản cùng nhau hình thành nên tâm trí con người.

Những khả năng này bao gồm nhận thức và hành động; trí nhớ ngắn hạn về những gì có liên quan trong tình huống hiện tại; ký ức dài hạn về kỹ năng, kinh nghiệm và kiến ​​thức; lý luận và ra quyết định; cảm xúc và động lực; và học các kỹ năng và kiến ​​thức mới từ toàn bộ những gì một người nhận thức và trải nghiệm.

Thay vì tập trung vào các khả năng cụ thể một cách riêng lẻ, AI tiên phong Allen Newell năm 1990 đề nghị phát triển Các lý thuyết thống nhất về nhận thức tích hợp tất cả các khía cạnh của tư tưởng con người. Các nhà nghiên cứu đã có thể xây dựng các chương trình phần mềm được gọi là kiến trúc nhận thức bao gồm các lý thuyết như vậy, giúp bạn có thể kiểm tra và tinh chỉnh chúng.

Các kiến ​​trúc nhận thức được xây dựng dựa trên nhiều lĩnh vực khoa học với các quan điểm riêng biệt. Khoa học thần kinh tập trung vào tổ chức của bộ não con người, tâm lý học nhận thức về hành vi của con người trong các thí nghiệm có kiểm soát, và trí tuệ nhân tạo vào các khả năng hữu ích.

Mô hình nhận thức chung

Chúng tôi đã tham gia vào việc phát triển ba kiến ​​trúc nhận thức: ACT-R, Bay lên, và Sigma. Các nhà nghiên cứu khác cũng đang bận rộn với các phương pháp tiếp cận thay thế. Một tờ giấy xác định gần 50 kiến ​​trúc nhận thức tích cực. Sự gia tăng này của các kiến ​​trúc một phần là sự phản ánh trực tiếp của nhiều quan điểm liên quan, và một phần là sự khám phá một loạt các giải pháp tiềm năng. Tuy nhiên, bất kể nguyên nhân là gì, nó đặt ra những câu hỏi khó xử cả về mặt khoa học và liên quan đến việc tìm ra một con đường mạch lạc đến AGI.

May mắn thay, sự sung mãn này đã đưa sân đấu đến một điểm uốn lớn. Ba người chúng tôi đã xác định được sự hội tụ nổi bật giữa các kiến ​​trúc, phản ánh sự kết hợp của các nghiên cứu thần kinh, hành vi và tính toán. Để đáp lại, chúng tôi đã bắt đầu một nỗ lực toàn cộng đồng để nắm bắt sự hội tụ này theo cách tương tự như Mô hình tiêu chuẩn của vật lý hạt xuất hiện vào nửa sau của thế kỷ 20.

T Mô hình nhận thức chung chia suy nghĩ của con người thành nhiều mô-đun, với một mô-đun bộ nhớ ngắn hạn ở trung tâm của mô hình. Các mô-đun khác (nhận thức, hành động, kỹ năng và kiến ​​thức) tương tác thông qua nó.

Việc học tập, thay vì xảy ra có chủ đích, diễn ra tự động như một tác dụng phụ của quá trình xử lý. Nói cách khác, bạn không quyết định những gì được lưu trữ trong bộ nhớ dài hạn. Thay vào đó, kiến ​​trúc xác định những gì được học dựa trên bất cứ điều gì bạn nghĩ về. Điều này có thể giúp bạn học được những sự thật mới mà bạn tiếp xúc hoặc những kỹ năng mới mà bạn cố gắng. Nó cũng có thể mang lại sự tinh chỉnh cho các sự kiện và kỹ năng hiện có.

Các mô-đun tự hoạt động song song; chẳng hạn, cho phép bạn ghi nhớ điều gì đó trong khi lắng nghe và nhìn xung quanh môi trường của bạn. Các tính toán của mỗi mô-đun là song song hàng loạt, có nghĩa là nhiều bước tính toán nhỏ xảy ra cùng một lúc. Ví dụ, trong việc truy xuất một dữ kiện có liên quan từ rất nhiều trải nghiệm trước đó, mô-đun bộ nhớ dài hạn có thể xác định mức độ liên quan của tất cả các dữ kiện đã biết đồng thời, trong một bước duy nhất.

Hướng dẫn con đường đến với trí thông minh nhân tạo

Mô hình chung dựa trên sự đồng thuận hiện tại trong nghiên cứu về kiến ​​trúc nhận thức và có tiềm năng hướng dẫn nghiên cứu về trí tuệ nhân tạo và tự nhiên. Khi được sử dụng để lập mô hình giao tiếp trong não, Mô hình chung cho kết quả chính xác hơn các mô hình hàng đầu từ khoa học thần kinh. Đây mở rộng khả năng mô hình hóa con người—Một hệ thống đã được chứng minh có khả năng thông minh tổng quát — ngoài những cân nhắc về nhận thức, bao gồm cả tổ chức của chính bộ não.

Chúng tôi đang bắt đầu thấy những nỗ lực để liên kết các kiến ​​trúc nhận thức hiện có với Mô hình chung và sử dụng nó làm cơ sở cho công việc mới — ví dụ: một AI tương tác được thiết kế để huấn luyện mọi người hướng tới hành vi sức khỏe tốt hơn. Một người trong chúng tôi đã tham gia vào việc phát triển một AI dựa trên Soar, được mệnh danh là Rosie, học các nhiệm vụ mới thông qua hướng dẫn bằng tiếng Anh từ giáo viên con người. Nó học được 60 câu đố và trò chơi khác nhau và có thể chuyển những gì nó học được từ trò chơi này sang trò chơi khác. Nó cũng học cách điều khiển một robot di động cho các nhiệm vụ như tìm nạp và giao các gói hàng cũng như tuần tra các tòa nhà.

Rosie chỉ là một ví dụ về cách xây dựng AI tiếp cận AGI thông qua kiến ​​trúc nhận thức được đặc trưng bởi Mô hình chung. Trong trường hợp này, AI sẽ tự động học các kỹ năng và kiến ​​thức mới trong quá trình lý luận chung, kết hợp hướng dẫn ngôn ngữ tự nhiên từ con người và một lượng kinh nghiệm tối thiểu — nói cách khác, AI hoạt động giống bộ óc con người hơn là những AI ngày nay, học thông qua sự thô lỗ lực tính toán và lượng dữ liệu khổng lồ.

Từ quan điểm AGI rộng hơn, chúng tôi xem xét Mô hình chung vừa như một hướng dẫn trong việc phát triển các kiến ​​trúc và AI như vậy, vừa là một phương tiện để tích hợp những hiểu biết sâu sắc thu được từ những nỗ lực đó thành một sự đồng thuận cuối cùng dẫn đến AGI.

Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.

Ảnh: Shutterstock.com/wowowG