Apa yang bisa disebut AI dan apa yang tidak bisa - dalam arti tertentu, tergantung pada definisi. Tidak dapat dipungkiri bahwa AlphaGo - AI yang berperan maju, dikembangkan oleh tim Google DeepMind dan mengalahkan juara dunia - serta sistem serupa dengan pelatihan mendalam selama beberapa tahun terakhir telah mampu memecahkan masalah komputasi yang agak rumit. Tetapi apakah mereka akan mengarahkan kita ke AI yang nyata dan lengkap, menuju kecerdasan umum, atau OI? Hampir tidak - dan inilah sebabnya.
Salah satu fitur utama dari OI yang harus Anda hadapi ketika membuatnya adalah bahwa ia harus mampu secara mandiri berurusan dengan dunia luar dan mengembangkan sendiri, pemahaman internal tentang segala sesuatu yang bertemu dengan itu, bahwa ia akan mendengar, mengatakan atau melakukan. Jika tidak, Anda akan menemukan diri Anda berada di tangan program AI modern, yang artinya ditetapkan oleh pengembang aplikasi. AI, pada kenyataannya, tidak mengerti apa yang sedang terjadi dan bidang spesialisasi sangat sempit.
Masalah makna barangkali yang paling mendasar dari tugas-tugas AI, dan itu belum diselesaikan. Salah satu orang pertama yang mengungkapkannya adalah ilmuwan kognitif Stevan Harnad, yang menulis pada tahun 1990 karya "The Problem of Matching Symbols". Bahkan jika Anda tidak percaya bahwa kita memanipulasi simbol, tugas masih tetap: membandingkan representasi yang ada dalam sistem dengan dunia nyata.
Untuk spesifiknya, kami mencatat bahwa tugas pemahaman membawa kami ke empat subtugas:
1. Bagaimana menyusun informasi yang diterima seseorang (seseorang atau AI) dari dunia luar?
2. Bagaimana menghubungkan informasi terstruktur ini dengan dunia, yaitu, bagaimana membangun pemahaman dunia oleh seseorang?
3. Bagaimana cara menyinkronkan pemahaman ini dengan kepribadian lain? (Kalau tidak, komunikasi akan menjadi tidak mungkin, dan intelek akan menjadi tidak dapat dijelaskan dan diisolasi).
4. Mengapa seseorang melakukan sesuatu? Bagaimana memulai semua gerakan ini?
Masalah pertama, penataan, diselesaikan dengan baik melalui pembelajaran mendalam dan algoritma pelatihan serupa yang tidak memerlukan pengawasan - misalnya, digunakan di AlphaGo. Di bidang ini, kami telah mencapai keberhasilan yang signifikan, khususnya, berkat peningkatan daya komputasi dan penggunaan GPU baru-baru ini, yang memproses informasi paralel dengan sangat baik. Sistem ini bekerja dengan mengambil sinyal berlebihan berlebihan, dinyatakan dalam ruang multidimensi, dan menguranginya menjadi sinyal dimensi yang lebih kecil, sambil meminimalkan kehilangan informasi. Dengan kata lain, mereka menangkap bagian penting dari sinyal dari sudut pandang pemrosesan informasi.
Masalah kedua, masalah koneksi informasi dengan dunia nyata, yaitu, penciptaan "pemahaman", secara langsung terkait dengan robotisasi. Untuk berinteraksi dengan dunia, Anda membutuhkan tubuh, dan untuk membangun koneksi ini Anda perlu berinteraksi dengan dunia. Oleh karena itu, saya sering berpendapat bahwa tanpa robotisasi tidak ada AI (walaupun ada robot yang sangat baik tanpa AI, tapi itu cerita lain). Ini sering disebut "masalah perwujudan," dan sebagian besar peneliti AI setuju bahwa kecerdasan dan perwujudan terkait erat. Berbagai bentuk kecerdasan ada dalam tubuh yang berbeda, yang dapat dengan mudah dilihat dari hewan.
Semuanya dimulai dengan hal-hal sederhana seperti pencarian makna di bagian tubuh Anda sendiri dan bagaimana mengendalikannya untuk mencapai efek yang diinginkan di dunia yang terlihat, bagaimana perasaan ruang, jarak, warna, dll dibangun. Di bidang ini, penelitian terperinci dilakukan oleh seorang ilmuwan seperti J. Kevin O'Regan, yang dikenal dengan "teori sensorimotor kesadaran". Tapi ini hanya langkah pertama, karena itu akan diperlukan untuk membangun konsep yang lebih dan lebih abstrak berdasarkan struktur sensorimotor duniawi ini. Kami belum mencapai titik ini, tetapi penelitian tentang topik ini sedang berlangsung.
Masalah ketiga adalah pertanyaan tentang asal usul budaya. Pada beberapa hewan, bentuk budaya paling sederhana dapat dilacak dan bahkan kemampuan ditransmisikan dari generasi ke generasi, tetapi dalam volume yang sangat terbatas, dan hanya manusia yang telah mencapai ambang pertumbuhan eksponensial dari pengetahuan yang diperoleh yang kita sebut budaya. Budaya adalah katalis untuk kecerdasan, dan AI yang tidak memiliki kemampuan untuk berinteraksi secara budaya hanya akan menjadi kepentingan akademis.
Tetapi budaya tidak bisa dimasukkan secara manual ke dalam mesin sebagai kode. Ini harus menjadi hasil dari proses pembelajaran. Cara terbaik untuk mencari cara untuk memahami proses ini adalah
psikologi perkembangan . Pekerjaan pada topik ini dilakukan oleh Jean Piaget dan Michael Tomasello, yang mempelajari proses memperoleh pengetahuan budaya oleh anak-anak. Pendekatan ini melahirkan disiplin baru robotika, "pengembangan robot," mengambil anak sebagai model (seperti halnya dengan robot iCub dalam ilustrasi).
Juga, pertanyaan ini terkait erat dengan studi tentang proses pembelajaran bahasa, dan ini adalah salah satu topik yang saya pelajari sendiri. Karya orang-orang seperti Luc Steels et al. Telah menunjukkan bahwa proses memperoleh bahasa dapat dibandingkan dengan evolusi: seseorang menciptakan konsep baru dengan berinteraksi dengan dunia, menggunakannya untuk berkomunikasi dengan kepribadian lain, dan memilih struktur yang membantu berkomunikasi lebih berhasil daripada yang lain (terutama untuk mencapai tujuan bersama). Setelah ratusan percobaan dan kesalahan, seperti dalam kasus evolusi biologis, sistem menghasilkan konsep terbaik dan terjemahan sintaksis / gramatikalnya.
Proses ini telah diuji secara eksperimental, dan secara mengejutkan mirip dengan bagaimana bahasa alami berevolusi dan tumbuh. Dia juga bertanggung jawab untuk pembelajaran instan, ketika seseorang langsung memahami konsep - hal-hal seperti itu tidak dapat menjelaskan model berbasis statistik seperti pembelajaran mendalam. Sekarang, beberapa laboratorium penelitian yang menggunakan pendekatan ini mencoba untuk melangkah lebih jauh di sepanjang jalan memahami tata bahasa, gerak tubuh dan fenomena budaya yang lebih kompleks. Secara khusus, ini adalah Lab AI, yang didirikan oleh saya di perusahaan Prancis yang bergerak di bidang robotika Aldebaran. Sekarang telah menjadi bagian dari SoftBank Group - mereka menciptakan robot
Nao ,
Romeo dan
Pepper (di bawah).
Dan akhirnya, masalah keempat dihadapkan dengan "motivasi intrinsik". Mengapa seseorang melakukan sesuatu, dan tidak hanya diam saja. Persyaratan bertahan hidup tidak cukup untuk menjelaskan perilaku manusia. Sekalipun Anda memberi makan dan memastikan keselamatan seseorang, ia tidak duduk menunggu kembalinya kelaparan. Orang mempelajari lingkungan, mencoba melakukan sesuatu, dan mereka didorong oleh suatu bentuk keingintahuan yang melekat. Peneliti Pierre-Yves Oudeyer menunjukkan bahwa ekspresi matematika paling sederhana dari rasa ingin tahu dalam bentuk keinginan seseorang untuk memaksimalkan kecepatan belajar sudah cukup untuk menghasilkan perilaku yang sangat kompleks dan tidak terduga (lihat, misalnya, percobaan dengan "taman bermain" yang dilakukan di Sony CSL).
Rupanya, sesuatu yang serupa diperlukan untuk sistem untuk mendorong di dalamnya keinginan untuk pergi melalui tiga langkah sebelumnya: struktur informasi tentang dunia, gabungkan dengan tubuh Anda dan buat konsep yang bermakna, dan kemudian pilih yang paling efektif dari sudut pandang komunikasi untuk membuat gabungan budaya di mana kerja sama dimungkinkan. Dari sudut pandang saya, inilah tepatnya program OI.
Saya ulangi bahwa perkembangan pesat pembelajaran mendalam dan keberhasilan AI baru-baru ini dalam game seperti go adalah berita yang sangat baik, karena AI tersebut akan menemukan banyak poin aplikasi dalam penelitian medis, industri, konservasi lingkungan, dan bidang lainnya. Tetapi ini hanya satu bagian dari masalah, yang saya coba jelaskan di sini. Saya tidak percaya bahwa pembelajaran yang mendalam adalah obat mujarab yang akan menuntun kita ke AI yang sesungguhnya, dalam arti mesin yang dapat belajar bagaimana hidup dalam damai, berinteraksi secara alami dengan kita, memahami kompleksitas emosi dan distorsi budaya kita, dan pada akhirnya membantu kita menjadikan dunia tempat yang lebih baik.