http://www.technologyreview.com/Infotech/19768/page1/
Käytännöllinen esimerkki tekoälyn "commonsense" ymmärryksen vajauksesta on robotin kyvyttömyys tarttua uuteen esineeseen, josta sillä ei ennestään ole kokemusta.
Maailmaa voidaan mallintaa symboolisilla tietämyskannoilla (esim Cyc), mutta niiden raja tulee pian vastaan, kun täytyy toimia reaalimaailmassa. Paljon käytännön arkitietoa voivaan esittää kielellisin säännöin, mutta esim 3D-esineeseen tarttumisen yleissäännöt eivät ihmisellä ole mielessään sellaisessa muodossa, että niitä olisi käytännöllistä selittää verbaalisesti muutakuin erikostapauksissa ("shampanjalasia pidetään tällä tavalla sivistyneesti..").
Kun lapsi opettelee tarttumaan eri esineisiin muutaman ensimmäisen vuotensa aikana, hän muodostaa laajan osaamisen, joka perustuu muotoihin, materiaaleihin, voimankäyttöön, särkymis-, rypistymis- ja kaatumisriskehin ym.
Tämä tieto on pääosin symbolisen ymmärryksen "alapuolella" olevaa HTM-muotoon tallentunutta neuraalitietoa, aitoa commonsense-ymmärrystä, jota henkilö ei edes tiedosta omaavansa. Juuri tästä syystä robotille tällainen yksinkertainen asia on vaikea ja järkevin tapa hankkia sitä olisi laaja yrityksen ja erehdyksen kautta tapahtuva harjoittelu, kuten lapsi tekee. Lisäksi tällaista tietoa on turha yrittää taltioida symboliseen muotoon. Neuroverkkomuoto on erittäin järkevä.
Linkkiartikkelin pohjalta en osaa sanoa ollaanko Stanfordin Yliopistossa oikeilla jäljillä, mutta ovat ainakin tajunneet ongelman luonteen. Kyllä se siitä. Olisi kiva kuulla japsien lähestymistavoista.
Käytännöllinen esimerkki tekoälyn "commonsense" ymmärryksen vajauksesta on robotin kyvyttömyys tarttua uuteen esineeseen, josta sillä ei ennestään ole kokemusta.
Maailmaa voidaan mallintaa symboolisilla tietämyskannoilla (esim Cyc), mutta niiden raja tulee pian vastaan, kun täytyy toimia reaalimaailmassa. Paljon käytännön arkitietoa voivaan esittää kielellisin säännöin, mutta esim 3D-esineeseen tarttumisen yleissäännöt eivät ihmisellä ole mielessään sellaisessa muodossa, että niitä olisi käytännöllistä selittää verbaalisesti muutakuin erikostapauksissa ("shampanjalasia pidetään tällä tavalla sivistyneesti..").
Kun lapsi opettelee tarttumaan eri esineisiin muutaman ensimmäisen vuotensa aikana, hän muodostaa laajan osaamisen, joka perustuu muotoihin, materiaaleihin, voimankäyttöön, särkymis-, rypistymis- ja kaatumisriskehin ym.
Tämä tieto on pääosin symbolisen ymmärryksen "alapuolella" olevaa HTM-muotoon tallentunutta neuraalitietoa, aitoa commonsense-ymmärrystä, jota henkilö ei edes tiedosta omaavansa. Juuri tästä syystä robotille tällainen yksinkertainen asia on vaikea ja järkevin tapa hankkia sitä olisi laaja yrityksen ja erehdyksen kautta tapahtuva harjoittelu, kuten lapsi tekee. Lisäksi tällaista tietoa on turha yrittää taltioida symboliseen muotoon. Neuroverkkomuoto on erittäin järkevä.
Linkkiartikkelin pohjalta en osaa sanoa ollaanko Stanfordin Yliopistossa oikeilla jäljillä, mutta ovat ainakin tajunneet ongelman luonteen. Kyllä se siitä. Olisi kiva kuulla japsien lähestymistavoista.
Vastaukset 6
Vanhimmat
Eräs asia tässä on aistien merkitys. Ilman näkö-, liike- ja tuntoaistia tämän tarttumisasian opettelukin olisi aika vaikeaa.
Tämä nyt liittyy enemmän siihen, että voisiko pelkkä tietokone ilman aisteja ymmärtää ihmisten tavoin. Mielestäni ei oikein. Kiertotienä tosin voisi olla virtuaalimaailma ja virtuaaliaistit, mutta todennäköisesti se olisi monimutkaisempi toteuttaa. Jos tietokoneelle annetaan aistit ja "raajat", niin itse maailmaa ei tarvitsekaan sitten simuloida, kun se on jo valmiina (-;
Tuntoaistimien vienti somenpäihin taitaa olla paras ja ehkä ainoa tapa saada konekin tunnistamaan materiaaleja. Onhan esim. lasi ja kirkas muovi erilaiselta tuntuvia materiaaleja, vaikka ulkonäössä ei välttättä eroa havaitsisikaan. Lasipullo menee rikki, jos sen pudottaa, muovipullo, joten jotain eroa niissä sitten käytännössäkin on.
"Tämä nyt liittyy enemmän siihen, että voisiko pelkkä tietokone ilman aisteja ymmärtää ihmisten tavoin. Mielestäni ei oikein."
Olen samaa mieltä, että ilmeisesti aistiton tietokone väistämättä hahmottaa maailmaa kovasti eri tavalla kuin ihminen, mutta kovin paljon pidemmälle meneviä johtopäätöksiä esim ko toteutuksen älykkyyden, luovuuden, tietoisuuden rajoista on turha vetää. On ilmeistä, että älykkyyttä, yleistäkin älykkyyttä voi olla kovin monenlaista. Ihmiselläkin on pahoja rajoituksia. Pahin ehkä on olemattoman pieni työmuisti: koita pitää tusina (uutta) nimeä tai puh. numeroa mielessäsi: mahdotonta; tietokoneelle triviaalia.
"Kiertotienä tosin voisi olla virtuaalimaailma ja virtuaaliaistit, mutta todennäköisesti se olisi monimutkaisempi toteuttaa."
En ole ollenkaan varma onko se monimutkaisempaa. Se selviää muutaman vuoden kuluessa kunhan Novamente/Electric Sheep Co. projekti toivottavasti saavuttaa julkistuksia .
"Lisäksi tällaista tietoa on turha yrittää taltioida symboliseen muotoon."
Kaikki ohjelmoijat keskittykää Basiciin. Ei sekään ole sinällään hyvä kieli mutta tukeeko olio-ohjelmointi symbolitonta ohjelmointia vai "syökö" se sitä...? Ja onko kielivalinta tärkeä?
OO:n hyvä puoli on että sillä voidaan tehdä hyvin käytettäviä ohjelmia ja jakaa työ monen ohjelmoijan kesken. Mutta OO on korkeasti symbolista koska oliot ovat käsitteitä. Se vain on kömpelöä monessa tehtävässä, vaikka ohjelmat ei varmaan käytännössä ole edes puoliksi käsite-orientoitunutta, joka taas on olioajattelun vastaista.
Pitää tarkastella vaikka OO- ja funkkiskoodarin työtapoja ja ohjelmien arkkitehtuuria ja tulla viisaammaksi.
Neuroverkkokin on koodia, nimittäin spagettikoodia.
Nostin tämän "pikku-uutisen" esiin vain yhtenä esimerkkinä siitä, missä menee raja symbolisesti toteutettavissa olevan robotiikan tai muun tekoälyn maailmankuvan ja aina jossakin määrin tarvittavan (mutta minun käsittääkseni määrällisen enemmistön) "commonsense"-tiedon tarpeesta.
Kaikki ratkaisut eivät tarvitse kaikkea commonsense-tietoa (tietenkään) mutta kaikki tarvitsevat (ja todella paljon tarvitsevatkin!) jonkinlaista commonsense-tietoa. Ja Yleisellä Tekoälyllä on aina oltava valmius oppia myös sellaista commonsense-tietoa, jota ei ole mielekästä esittää symbolisena tietona (josta tarttumis-osaaminen oli vain suppea, mutta mielestäni hyvä esimerkki).
Niin se on. AGI:n oleellisimpia kysymyksiä on se, missä muodossa ns. hiljainen tieto voidaan ilmaista. Se on selvää, että sellainen tieto on pakko jotenkin tekoälyjärjestelmissä esittää. En tiedä voidaanko lojbanilla niitä ilmaista tieteellisesti...? Periaatteessa sellainenkin voisi olla mahdollista jos se tehdään virheettömästi, järkevillä rakenteilla, mutta on todella paljon käsitteellistettäviä asioita. Olen tässä aina sitä mieltä että AGIn pitää olla toimiakseen hyvin luova ja luovuus tarvitsee paljon dynaamista toimintaa. Ei pelkästään muistia, mitä se muisti yksinään tekisi?
Olen joitakin kertoja nostanut tyhjää täydeksi luulemaani maitotölkkiä. Tunne on todella omituinen kun tölkki nousee viuhahtaen ylös ennen kuin huomaa erehdyksen.