Dalam artikel ulasan ini, saya berbicara tentang pengalaman saya dalam mengembangkan kecerdasan buatan (rekreasi jiwa manusia), hasil apa yang telah dicapai (proses kognitif dasar manusia, memahami teks dan dapat mengajukan pertanyaan klarifikasi), dan di mana solusi teknologi dapat diterapkan pada tahap perkembangan ini (AI sudah siap ganti konsultan daring langsung dan dapat menjadi asisten virtual untuk programmer).

Memahami dalam Konteks AI

Pemahaman adalah salah satu kemampuan kecerdasan yang penting. Pentingnya konsep pemahaman untuk kecerdasan buatan dapat ditelusuri dalam ide-ide Alan Turing, Marvin Minsky dan Ray Kurzweil.

Menurut Wikipedia, "pemahaman adalah operasi pemikiran universal yang terkait dengan asimilasi konten baru, yang dimasukkan dalam sistem ide dan ide yang telah mapan . " Kunci untuk formulasi ini, kami percaya, adalah perlunya AI untuk memiliki "sistem ide dan ide yang mapan." Agar AI memahami bagaimana seseorang itu, sistem pengetahuan AI harus identik atau sangat dekat dengan sistem pengetahuan manusia. Kalau tidak, orang itu akan dianggap, tetapi tidak akan dipahami.

Di sisi praktis, implementasi pemahaman dalam AI memberikan peluang:

- Mengajari AI berbagai konten yang dibuat oleh manusia untuk pria;
- berinteraksi dengan AI dalam bahasa alami;
- Menerima kesimpulan dari AI yang didasarkan pada pemahaman "seperti manusia" (jawaban "42" tidak selalu apa yang kita butuhkan).

Oleh karena itu, kami mengadopsi konsep Memahami sebagai yang utama dalam pendekatan kami untuk pengembangan AI.

Pendekatan utama untuk pengembangan AI adalah "top-down" dan "bottom-up"

Ada dua pendekatan utama untuk pengembangan AI. Yang pertama ditujukan untuk mereproduksi kemampuan kognitif seseorang di komputer tanpa menggunakan tingkat neuron individu. Pendekatan ini disebut top-down. Pendekatan kedua ditujukan untuk membangun kecerdasan dari neuron ke tingkat umum proses kognitif, dan disebut, masing-masing, "bottom-up".

Adapun tren umum dalam pengembangan AI, sekarang pendekatan bottom-up yang berlaku. Mungkin alat matematika yang digunakan dalam jaringan saraf tiruan lebih mudah dipahami oleh para ilmuwan, pengembang, penggemar.

Kami menggunakan pendekatan pertama - "top-down". Biasanya arah pengembangan AI ini dipersulit oleh kurangnya teori proses mental manusia yang umum, kurang lebih harmonis, konsisten dan komprehensif.

Saya membentuk tim untuk mengerjakan teori semacam itu pada tahun 2003, kemudian masih untuk tujuan yang tidak terkait dengan kecerdasan buatan atau teknologi informasi secara umum. Sekelompok psikolog dan psikoterapis dan psikoterapis mempraktikkan tugas merampingkan konsep teoretis dan metode praktis yang tersedia dalam psikologi. Saya harus secara kritis meninjau semua pengetahuan ilmiah yang tersedia tentang hal ini. Lebih dari 30 orang ambil bagian dalam proyek pada berbagai tahap.

Pada 2008, kami mengembangkan apa yang disebut model jiwa adalah konsep yang konsisten dari organisasi jiwa dan proses di dalamnya. Model ini ternyata kompleks mengingat sejumlah besar elemen yang berinteraksi, tetapi ada juga nilai tambah - itu algoritma yang baik. Yaitu model beroperasi dengan beberapa elemen dan menggambarkan sifat interaksi mereka menurut hukum matematika yang dapat dimengerti.

Hasil pengembangan telah diuji dalam beberapa solusi produk. Secara khusus, kami memodelkan perilaku pengguna Internet ketika memilih artikel berita, ketika memilih hasil dari hasil pencarian, dan juga mendistribusikan pengguna ke kelompok konsumen dari berbagai jenis barang berdasarkan kebutuhan simulasi. Sebagai input data untuk pemodelan, kami menggunakan riwayat kunjungan ke situs oleh masing-masing pengguna. Ngomong-ngomong, data ini cukup untuk menghitung sekitar seratus karakteristik seseorang yang dioperasikan oleh seorang psikolog - extraversion, compulsiveness, dll. Gender juga merupakan karakteristik psikologis, tetapi tidak untuk semua negara. Misalnya, untuk Swedia, keakuratan penentuan adalah maksimum 65%,sedangkan untuk negara-negara Eropa Timur kita dapat menentukan jenis kelamin pengguna berdasarkan riwayat penelusuran dengan akurasi 95%.

Kami sangat memahami proses apa yang terjadi dalam jiwa, kami memiliki alat yang memungkinkan kami untuk mempelajari dan menganalisis proses ini. Kami menggunakan metode fenomenologis (1). Metode ini memungkinkan Anda untuk menyoroti proses jiwa, untuk memisahkan mereka di antara mereka sendiri, untuk mengamati dinamika. Bagi kami, jiwa bukanlah kotak hitam, sebagian besar itu adalah struktur yang kompleks, tetapi dapat dimengerti.

Saya juga mencatat bahwa pendekatan tim kami menyiratkan universalitas AI yang sedang dikembangkan, berbeda dengan AI khusus yang berfokus pada pemecahan masalah yang sama.

Penyimpanan dan pemrosesan pengetahuan dalam AI

Tugas pertama yang kami mulai selesaikan adalah pengembangan jaringan semantik untuk menyimpan pengetahuan dalam bentuk yang disimpan dalam jiwa manusia. Pada saat yang sama, struktur jaringan semantik tidak hanya menyediakan penyimpanan data, tetapi juga operasi algoritma yang efisien yang mengulang proses kognitif dan lainnya.

Verteks jaringan adalah fenomena apa pun yang dapat disorot oleh kesadaran. Verteks datang dalam berbagai bentuk, misalnya, objek, tindakan, tanda, konsep abstrak. Contoh puncak adalah laptop, layar, hitam, ruang.

Koneksi antara simpul mencerminkan jenis interaksi fenomena ini dalam jiwa. Dalam ungkapan "bola biru" antara dua puncak "biru" dan "bola" ada hubungan karakterologis. Tautan juga bisa dari beberapa jenis.

Dalam karyanya tentang pembentukan struktur jaringan semantik, yaitu untuk menambah tipe baru dari puncak dan koneksi, kami mengikuti proses ontogenesis fungsi kognitif manusia. Kami mengklarifikasi ini dengan sebuah contoh. Sampai pada titik tertentu, tidak ada koneksi "instrumental" antara fenomena dalam jiwa, karena jiwa tidak menyelesaikan masalah yang sesuai - seorang anak dapat mengetuk mainan dengan pundaknya, dan ia tidak menganggap pundak sebagai instrumen. Setelah beberapa waktu, meniru apa yang dilihat dan mengumpulkan pengetahuan, jenis koneksi baru terbentuk dalam jiwa - instrumental, anak mengerti bahwa Anda dapat menggali dengan sekop. Dengan demikian, jiwa merespons kompleksitas operasi, peningkatan jumlah data, dan mengoptimalkan pekerjaannya dengan membentuk jenis koneksi baru.

Pembentukan jenis komunikasi baru terjadi sehubungan dengan jenis kegiatan baru dan sehubungan dengan penampilan neoplasma dalam jiwa (2) Contoh jenis kegiatan baru - dengan desainer profesional, warna tidak hanya merupakan karakteristik, tetapi juga alat profesional, yang membentuk jenis koneksi terpisah. Contoh neoplasma dalam jiwa adalah pemikiran abstrak.

Pertama-tama, kami mengidentifikasi dua tahap dalam pembentukan jiwa - preverbal, ketika struktur dibentuk yang kata-katanya tidak digunakan (dari lahir hingga 2 tahun), dan verbal, ketika kata tersebut digunakan sebagai pengidentifikasi. Pembagian ke dalam tahap-tahap yang ditunjukkan adalah bersyarat, karena masing-masing dari mereka juga memiliki periode-periode tersendiri dari pembentukan struktur.

Reproduksi struktur preverbal terbukti menjadi tugas yang agak sulit. Kami terpaksa merekonstruksi konsep dan koneksi dari struktur yang kami kenal di tahap selanjutnya. Misalnya, kesenangan seorang anak berusia enam bulan belum mengandung pengalaman yang berbeda (apakah itu kenikmatan seksual, kesenangan dari rasa kenyang, kesenangan dari keintiman, dll.). Dalam pengembangan struktur preverbal, kami membatasi diri untuk mereka yang memiliki koneksi dengan struktur yang terbentuk pada tahap berikutnya. Perhatikan bahwa meskipun metodologi untuk pembentukan struktur preverbal untuk jaringan semantik telah berhasil, tugas ini membutuhkan sejumlah besar pekerjaan psikolog. Pada tahap ini, kami mengidentifikasi 3 jenis simpul dan 4 jenis koneksi.

Segera setelah sebuah kata menjadi pengenal utama informasi, menjadi lebih mudah untuk membentuk struktur. Anda selalu dapat beralih ke sumber - jiwa itu sendiri, dengan mengajukan pertanyaan kepada seseorang dengan usia yang sesuai. Perhatikan bahwa pada tahap verbal, jiwa tidak terbatas pada peningkatan luas dalam jumlah fenomena. Jenis-jenis fenomena baru juga muncul, misalnya, abstrak, fiktif, dll., Yang memerlukan perubahan dalam struktur jaringan.

Sampai saat ini, ada sejumlah perkembangan yang berusaha mengulangi prinsip penyimpanan pengetahuan oleh manusia menggunakan jaringan semantik. Metode kami membentuk struktur jaringan didasarkan pada alat yang kami kembangkan untuk mempelajari proses mental (termasuk kognitif). Kami memperkenalkan ke dalam struktur jaringan hanya apa yang sebenarnya tersedia dalam jiwa usia yang sesuai. Akibatnya, jaringan semantik yang menciptakan kembali struktur kognitif jiwa anak berusia tujuh tahun mengandung 17 jenis simpul dan 15 jenis komunikasi. Pada usia ini pada manusia, sebagian besar bentuk komunikasi telah terbentuk.

Dalam proses menciptakan jaringan semantik, kami mengidentifikasi beberapa fitur menarik:

1.Jaringan semantik memiliki beberapa trik - elemen yang menentukan distribusi hubungan yang tidak merata. Di sekitar mereka, sebagian besar rantai tautan ini berorientasi. Ini adalah kebutuhan manusia.

2. Dengan setiap neoplasma, struktur pengetahuan dibangun kembali. Periode zaman baru membawa kebutuhan untuk secara signifikan mengubah struktur hubungan antar elemen.

3. Menciptakan semacam jaringan referensi, kami mencatat perbedaan pribadi. Perbedaan-perbedaan ini khas. Artinya, jumlah invarian sangat terbatas dan disebabkan oleh karakteristik individu atau pengaruh lingkungan. Ini adalah tipe psikologis.

Memperoleh pengetahuan baru dan membentuk jawaban atas pertanyaan

Algoritma yang mengimplementasikan operasi pemikiran terkait dengan pemahaman pengetahuan baru didasarkan pada struktur jaringan semantik.

Awalnya, teks diproses oleh parser yang dikembangkan di Universitas Stanford.. Kemudian kami memeriksa ketersediaan simpul dan koneksi yang sesuai dan, jika perlu, bentuk yang baru. Saat membuat jawaban atau pertanyaan klarifikasi, algoritma dipandu oleh data yang tersedia di jaringan semantik. Operasi yang disederhanakan dari algoritma dapat ditunjukkan dengan contoh berikut. Setelah membaca teks "beruang kutub memangsa anjing laut", AI, mari kita mengetahui masing-masing fenomena ini secara terpisah, membangun koneksi khusus di jaringan semantik yang memperbaiki eksklusivitas - beruang kutub yang memangsa anjing laut. Setelah menerima pertanyaan, "Beruang coklat memangsa anjing laut?" AI akan menjawab "Tidak," karena tidak akan ada struktur dalam jaringan semantik yang memenuhi semua kondisi yang ditentukan "Anjing laut berburu anjing laut segel".

Pada tahap pertama, kami mengembangkan algoritma yang sesuai dengan proses kognitif anak berusia tiga tahun. Berdasarkan algoritma, kami menulis sebuah program yang dapat memahami teks yang sangat sederhana dan menjawab beberapa jenis pertanyaan, berikut adalah program demo . Program ini memungkinkan kami untuk mengonfigurasi koneksi jaringan semantik pada sejumlah besar data dan mengkonfirmasi korespondensi langsung dari reaksi sistem dan jiwa orang yang hidup.

Pada bulan September, kami menyelesaikan pemodelan proses kognitif anak berusia tujuh tahun. Meskipun kami tidak memiliki sumber daya untuk memprogram seluruh sistem, oleh karena itu kami sementara membatasi diri pada jaringan semantik dan beberapa jenis algoritma. Jika algoritma pada level ini dapat dihitung “secara manual”, maka ini tidak dapat dilakukan dengan jaringan semantik - ini berisi sekitar 10.000 simpul dan 40.000 tautan. Setelah kami menyelesaikan pemrograman semua algoritma, solusi ini akan menjadi sistem kognitif yang cukup kuat untuk bekerja dengan informasi tekstual. Sistem kami dapat memberikan pemahaman tentang pengetahuan baru yang dijelaskan dalam bahasa alami, dan beroperasi pada tingkat yang sama dengan orang dengan usia yang sesuai.

Langkah pengembangan selanjutnya

Langkah selanjutnya dalam pengembangan teknologi kita, kita lihat dalam rekonstruksi pemikiran abstrak manusia. Sekarang AI dapat beroperasi dengan konsep abstrak yang diajarkan kepadanya, tetapi tidak dapat secara mandiri membentuk yang baru. Sebagai contoh, berikut adalah teks yang digunakan untuk mengajar ikan:

Ikan adalah binatang. Ikan memiliki tubuh memanjang. Ikan memiliki tubuh rata. Ikan memiliki kepala, rahang, insang, ekor, sisik perak. Ikan hidup di air. Ikan bisa berenang, tidur, makan, merasakan sakit, takut. Ikan tidak berbicara. Jika ikan kehabisan air maka ia mati. Ikan menggunakan insang untuk bernafas. Ikan menggunakan sirip untuk berenang. Salmon, trout, hiu adalah ikan. Kucing, beruang, anjing hutan, buaya, anjing laut, pelican hunt fish.

Pembentukan konsep abstrak yang independen akan secara signifikan memperluas kemungkinan untuk mengajarkan AI dan ruang lingkup penggunaannya. Kami telah mengembangkan prinsip-prinsip dasar dan berencana untuk merinci prosesnya dalam waktu dekat. Menambahkan pemikiran abstrak juga akan membutuhkan modernisasi jaringan semantik jenis komunikasi baru akan ditambahkan.

Selain itu, kami berencana untuk mengembangkan algoritma untuk pembentukan independen jenis komunikasi baru dengan kecerdasan buatan. Ini akan menambah fleksibilitas ke jaringan semantik dan beberapa "otonomi" dalam pelatihan AI dari tim ahli.

Aplikasi teknologi AI

Solusi yang dikembangkan mampu memahami teks sederhana, misalnya, sebagian besar artikel dari Wikipedia Bahasa Inggris Sederhana dapat dipahami oleh sistem. Juga, solusi kami dapat menjawab pertanyaan tentang pengetahuan yang ada dan mengajukan pertanyaan klarifikasi jika menemukan kontradiksi. Dari batasan pada tahap ini - teks dan pertanyaan harus dikonstruksikan secara tata bahasa dengan benar. Selain itu, sistem harus dilatih oleh para ahli kami dalam konsep abstrak dalam bidang subjek baru. Dengan pendekatan pembelajaran ini, solusi yang dikembangkan tidak dapat dibedakan dalam dialog dari orang yang nyata.

Dari fitur pendekatan kami untuk belajar - tidak perlu untuk sejumlah besar data pelatihan. Konsep abstrak baru dan pengetahuan baru dalam bidang subjek tertentu, sistem dilatih oleh pembacaan teks tunggal.

Proses kognitif yang diciptakan kembali dalam AI kami sudah cukup untuk digunakan dalam bot pintar, dukungan teks online, NPC dalam game, dll. Yaitu dalam sistem di mana komunikasi dalam area subjek terpisah dalam bahasa alami diperlukan. Sekarang jawaban dalam keputusan seperti itu dibentuk oleh pernyataan langsung atau skrip. Sistem kami membentuk jawaban dari pengetahuan yang ada dengan cara yang sama seperti yang dilakukan seseorang.

Kami dapat menambahkan beberapa jenis algoritma kognitif dan melatih area subjek yang sesuai, sehingga AI dapat melakukan, misalnya, tugas pemrograman tingkat pemula. Ini adalah asisten virtual yang akan mengambil bagian dari tugas pemrograman rutin - akan memahami tugas dalam bahasa alami, menganalisis kode yang ada, menulis yang baru. Pertama-tama, kita berbicara tentang masalah algoritmik dengan formulasi yang baik dan dengan tingkat ketidakpastian yang rendah.

Sumber daya sendiri sudah tidak cukup, oleh karena itu, kami mempertimbangkan kemitraan dengan perusahaan lain. Kami dapat sepenuhnya menyediakan bagian teknologi untuk produk atau platform, dan di pihak mitra kami berharap untuk melihat keahlian produk dan sumber daya untuk implementasi dalam kode. Tim juga akan senang dengan pengembang yang dekat dengan ide-ide yang disajikan dalam artikel ini.

Dalam komentar, silakan menulis tentang aspek teknologi apa yang ingin Anda ketahui lebih lanjut, dalam artikel berikut ini saya akan mencoba mempertimbangkannya.

1. Husserl E. Studi logis / Per. dengan dia. E. A. Bernstein, ed. S. L. Frank. Edisi baru R. A. Gromov. - M.: Proyek akademik, 2011.
2. Piaget J. Pidato dan memikirkan seorang anak. - M., 1994.

Mengembangkan AI yang kuat dengan menyalin struktur dan proses jiwa manusia