قيود التعلم الرسمي ، أو لماذا لا تستطيع الروبوتات الرقص
كانت الثمانينيات في مختبر علوم الكمبيوتر والذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا تبدو وكأنها عصر ذهبي للأجانب ، ولكن في الداخل ، كان بإمكان ديفيد تشابمان ملاحظة أن الشتاء يقترب بالفعل. بصفته عضوًا في المختبر ، أصبح تشابمان أول باحث يطبق رياضيات نظرية التعقيد الحسابي على التخطيط الآلي ، وكذلك لإظهار أنه لا توجد طريقة معممة حقيقية لإنشاء الذكاء الاصطناعي يمكن أن تضع خطة للتعامل مع جميع الظروف غير المتوقعة. وخلص إلى أنه على الرغم من أن منظمة العفو الدولية على المستوى البشري قد تكون ممكنة من حيث المبدأ ، إلا أن أيا من الأساليب المتاحة لنا ليس لديها أي أمل في الوصول إلى هذا المستوى.في عام 1990 ، كتب تشابمان ، وتم تعميمه على نطاق واسع ، مقترحًا بحثيًا يدعو إلى نهج جديد ومهمة أخرى لاختبار الذكاء الاصطناعي:تعليم الروبوت للرقص . الرقص ، كما كتب تشابمان ، كان نموذجًا مهمًا لأنه "لا يحقق الأهداف. لا يمكنك الفوز أو الخسارة. هذه ليست مشكلة تتطلب حل. الرقص هو عملية تفاعل ". تتطلب الروبوتات الراقصة تغييرًا حادًا في أولويات باحثو الذكاء الاصطناعي ، الذين تم بناء تقنياتهم حول مهام مثل الشطرنج ، مع هيكل واضح وأهداف لا لبس فيها. يتطلب تعقيد إنشاء الروبوتات الراقصة تغييرًا أكبر في افتراضاتنا حول ماهية الذكاء.يكتب تشابمان الآن عن التطبيقات العملية للفلسفة والعلوم المعرفية . حديثًا ، في مقابلة مع مجلة Nautilus ، تحدث عن أهمية التقليد والتلمذة الصناعية ، وقيود العقلانية الرسمية ، ولماذا لا تقوم الروبوتات بطهي وجبة الإفطار لك.ما هو روبوت الرقص المثير للاهتمام؟
إن التعلم البشري هو شيء اجتماعي ملموس ، ويحدث في مواقف عملية خاصة. أنت لا تتعلم الرقص من كتاب أو من التجارب المعملية. تتعلم بالرقص مع أناس أكثر خبرة منك.التقليد والتلمذة الصناعية هي الطرق الرئيسية لتعليم الناس. ننسى هذا ، حيث أصبح تعليم الفصل الدراسي مهمًا مرة أخرى في القرن الماضي ، وأكثر وضوحًا.قررت تحويل تركيز التعلم إلى التنمية. "التعلم" يعني النهاية - بمجرد أن تتعلم شيئًا ، تكون قد انتهيت. "التنمية" تعني عملية مستمرة لا نهاية لها. لا يخضعون لامتحانات في الرقص ، وبعد ذلك تنتهي من دراستك.لقد كان خروجًا خطيرًا عن النهج التقليدي لتدريس الذكاء الاصطناعي ، أليس كذلك؟
نعم ، في العقود الأولى ، ركز باحثو الذكاء الاصطناعي على تلك المهام المرتبطة بشكل خاص بالذكاء ، لأنها صعبة على الناس: على سبيل المثال ، الشطرنج. اتضح أنه بالنسبة لأجهزة الكمبيوتر السريعة بما فيه الكفاية ، فإن الشطرنج بسيط. في الأعمال المبكرة ، تم تجاهل المهام البسيطة للناس: طهي وجبة الإفطار ، على سبيل المثال. أثبتت هذه المهام البسيطة أنها صعبة على أجهزة الكمبيوتر التي تتحكم في الروبوتات.كما تناولت المحاولات المبكرة للبحث في قضايا التعلم بالذكاء الاصطناعي القضايا الرسمية ، مثل الشطرنج ، حيث يمكن تجاهل الهيئات والسياقات الاجتماعية والعملية. تظهر الدراسات الحديثة تقدمًا مثيرًا للإعجاب في المهام العملية في العالم الحقيقي ، مثل التعرف على الأنماط. لكن النجاحات في الموارد الاجتماعية والمادية الحاسمة للتعلم البشري لا تزال غير مرئية.ماذا يمكن أن يعلمنا هايدجر عن الذكاء والتعلم؟
قدمت العقلانية الرسمية المستخدمة في العلوم والهندسة والرياضيات على مدى القرون القليلة الماضية العديد من الإنجازات. من الطبيعي أخذها كجوهر الذكاء ، وافتراض أنها تكمن وراء عمل الإنسان. على مدى عقود ، قبل الفلاسفة التحليليون ، وعلماء النفس المعرفي ، وباحثو الذكاء الاصطناعي ، دون قيد أو شرط ، أن الناس يبتكرون أولاً خطة عقلانية باستخدام المنطق ثم تنفيذها. في منتصف الثمانينيات ، أصبح من الواضح أنه لأسباب فنية عادة ما يكون هذا غير ممكن. توقعالفيلسوف هوبير دريفوس هذا الطريق المسدود قبل عشر سنوات من حدوثه ، في كتابه "ما لا تستطيع أجهزة الكمبيوتر القيام به". وقد انطلق من تحليل هايدجر للإجراءات العملية الروتينية ، مثل طهي الفطور. لا يبدو أن هذه المهارات البدنية تتطلب عقلانية رسمية. علاوة على ذلك ، تعتمد قدرتنا على الانخراط في المنطق الرسمي على قدرتنا على الانخراط في أشياء عملية وغير رسمية ومادية - ولكن ليس العكس. لقد فهم العلم المعرفي كل شيء عكس ذلك تمامًا! اقترح هايدغر أن معظم حياته كانت مثل الإفطار ، وليست مثل الشطرنج.لقد طورت أنا وزميلي فيل آير نهجًا حاسوبية تفاعلية جديدة للتمارين العملية التي لا تتضمن المنطق الرسمي ، وأظهرت أنه يمكن أن تكون أكثر فعالية من النماذج المنطقية التقليدية. ومع ذلك ، يجب برمجة أنظمتنا يدويًا ، الأمر الذي يبدو غير عملي للمهام أكثر تعقيدًا من ألعاب الفيديو. يجب أن تكون الخطوة التالية أنظمة الذكاء الاصطناعي التي تطور المهارات دون برمجة مباشرة.قال هايدغر القليل عن التعلم ، لكن فكرته بأن الأنشطة البشرية لها جانب اجتماعي دائمًا كانت أساسية. استلهمت أنا وفيل من مدارس الأنثروبولوجيا وعلم الاجتماع وعلم النفس التنموي الاجتماعي (وبعضها ، بدوره ، مستوحى أيضًا من هايدغر). بدأنا في تطوير نظرية حسابية للتعلم من خلال التلمذة الصناعية. توضح مقالة حول روبوتات الرقص جزئيًا تطلعاتنا. بعد فترة وجيزة ، أدركنا أن تحويل هذه الأفكار إلى برامج عمل غير ممكن بعد.ينطوي بناء روبوت مادي على العديد من الصعوبات - على سبيل المثال ، من الضروري ألا يقع - وليس للوهلة الأولى علاقة مباشرة بالتعلم والذكاء. لماذا لا تبدأ في إنشاء روبوت الرقص باستخدام الرسوم المتحركة بالكمبيوتر؟
أحد تحديات النهج العقلاني تجاه الذكاء الاصطناعي هو أنه لا يمكننا بناء نموذج دقيق تمامًا للعالم الحقيقي. انه قذر جدا. ملعقة من مربى التوت ليس لها شكل محدد. إنه لزج ومرن وسائل. هو غير متجانس - التوت المحمر جزئيا يتصرف بشكل مختلف عن الأجزاء السائلة. على المستوى الذري ، فإنه يطيع قوانين الفيزياء ، لكن طهي الفطور معهم غير عملي.هذه هي أجسادنا. العضلات هي أكياس هلام تتخللها خيوط مطاطية. العظام ذات شكل غير منتظم ، متصلة بأوتار مرنة ، ونتيجة لذلك تصل المفاصل إلى نمط معقد ، تقترب من حدود القوة.باستخدام المحاكاة البدنية ، يمكنك عمل رقصة شخصية متحركة. قد تبدو واقعية للغاية. لكن هذه الأساليب لا تعمل مع الروبوتات لأداء المهام البشرية البسيطة. لا يزال الرقص أو إعداد الإفطار بعيدًا عن متناول العلم الحديث.تعمل المحاكاة الفيزيائية بشكل سيئ لأن أجسام الروبوتات ، مثل البشر ، غير كاملة. تحاول معظم التصميمات الحديثة إرفاق الروبوتات بنماذج مادية بسيطة ، مما يجعلها قوية وصلبة ، ومصنوعة بدقة قدر الإمكان. ولكن على الرغم من ذلك ، فإنها تُظهر المرونة والقيود وعدم الاتساق ، مما يجعل من الصعب السيطرة عليها. كما يجب أن تكون ثقيلة وقوية للغاية ، مما يجعلها خطيرة وغير فعالة.في مقالة "روبوتات الرقص" ، اقترحت إنهاء هذا النهج ، واستخدام التعلم الآلي ، وإيجاد طرق للتحكم في الضوء ، والروبوتات الأضعف والأكثر مرونة. مثل الطفل ، يجب على النظام تطوير المهارات البدنية تدريجيًا من خلال الخبرة. ثم لم تكن لدينا قوة حاسوبية كافية ، لكن بعض الباحثين حققوا نجاحًا مؤخرًا باستخدام هذا النهج.يبدو أن هذا الموضوع يتكرر في عملك. نريد عالماً قاسياً ومطلقاً ، وهو معقد وغير متجانس.
نعم يقترح عملي الأخير حول " المعاني " العمل في تفاعل بين الشك وعدم اليقين لتحسين الفهم والعمل. هذه "فلسفة عملية" للفعالية الشخصية ، بناءً على العمل الذي قمت به في مجال الذكاء الاصطناعي ، والمجالات الأكاديمية التي ذكرتها سابقًا. لديها بعد للتعلم. تُظهر دراسة تطور الكبار أنه يمكن للناس أن يتطوروا من خلال طرق فهم ما قبل عقلانية وعقلانية وفوقية. الحالة المتوسطة شديدة للغاية. لديها فكرة أن العالم يمكن أن يتكيف مع الأنظمة. يمكن أن يكون هذا النهج محرجًا وغير فعال وغير مستقر.إذا كان الحاجز الذي يفصلنا عن النماذج الدقيقة تمامًا أساسيًا وليس تكنولوجيًا ، فهل سنحتاج إلى نهج مختلف تمامًا للذكاء الاصطناعي؟
النهج الأساسي من السبعينيات والثمانينيات فشل بالتأكيد ، ولهذا السبب بالذات. إن " التعلم العميق " ، الذي حقق نتائج مذهلة ، أكثر مرونة. يبني نماذج إحصائية وضمنية ، بدلاً من النماذج المطلقة والمنطقية. ومع ذلك ، فإنها تتطلب كميات هائلة من البيانات ، وغالبًا ما يتعلم الناس من مثال واحد. سيكون من المثير للاهتمام اكتشاف نطاق وحدود نهج التعلم العميق.Source: https://habr.com/ru/post/ar397615/
All Articles