Geekly articles weekly

Desenvolver uma IA forte, copiando as estruturas e processos da psique humana



Neste artigo de revisão, falo sobre minha experiência no desenvolvimento de inteligência artificial (recriação da psique humana), quais resultados foram alcançados (processos cognitivos humanos básicos, entende o texto e pode fazer perguntas esclarecedoras) e em quais soluções a tecnologia é aplicável nesse estágio de desenvolvimento (a IA já está pronta substituir consultores on-line ao vivo e pode ser um assistente virtual para programadores).

Compreensão no contexto da IA


O entendimento é uma das habilidades importantes da inteligência. A importância do conceito de entendimento para a inteligência artificial pode ser rastreada nas idéias de Alan Turing, Marvin Minsky e Ray Kurzweil.

Segundo a Wikipedia, "o entendimento é uma operação universal de pensamento associada à assimilação de novos conteúdos, sua inclusão no sistema de idéias e idéias estabelecidas" . A chave para essa formulação, acreditamos, é a necessidade de a IA ter um "sistema de idéias e idéias estabelecidas". Para que a IA entenda como é uma pessoa, o sistema de conhecimento da IA ​​deve ser idêntico ou muito próximo do sistema de conhecimento humano. Caso contrário, a pessoa será percebida, mas não será entendida.

Do lado prático, a implementação do entendimento na IA oferece oportunidades:

- ensinar à AI uma variedade de conteúdos criados pelo homem para o homem;
- interagir com a IA em uma linguagem natural;
- Receba conclusões da IA ​​baseadas no entendimento de "como um ser humano" (a resposta "42" nem sempre é o que precisamos).

Portanto, adotamos o conceito de Entendimento como o principal em nossa abordagem para o desenvolvimento da IA.

As principais abordagens para o desenvolvimento da IA ​​são “de cima para baixo” e “de baixo para cima”


Existem duas abordagens principais para o desenvolvimento da IA. O primeiro tem como objetivo reproduzir as habilidades cognitivas de uma pessoa em um computador sem recorrer ao nível de neurônios individuais. Essa abordagem é chamada de cima para baixo. A segunda abordagem visa desenvolver a inteligência dos neurônios para os níveis gerais dos processos cognitivos e é chamada, respectivamente, de baixo para cima.

Quanto às tendências gerais no desenvolvimento da IA, agora a abordagem de baixo para cima prevalece. Provavelmente, o aparato matemático usado em redes neurais artificiais é mais compreensível para cientistas, desenvolvedores e entusiastas.

Usamos a primeira abordagem - "de cima para baixo". Geralmente, essa direção do desenvolvimento da IA ​​é complicada pela falta de uma teoria geral, mais ou menos harmoniosa, consistente e abrangente dos processos mentais humanos.

Eu montei uma equipe para trabalhar em tal teoria em 2003, ainda para fins não relacionados à inteligência artificial ou à tecnologia da informação em geral. Um grupo de psicólogos e psicoterapeutas acadêmicos e praticantes se propõe a racionalizar os conceitos teóricos e métodos práticos disponíveis em psicologia. Eu tive que revisar criticamente todo o conhecimento científico disponível sobre esse assunto. Mais de 30 pessoas participaram do projeto em várias etapas.

Em 2008, desenvolvemos o chamado o modelo da psique é um conceito consistente da organização e dos processos da psique. O modelo acabou sendo complexo, tendo em vista o grande número de elementos que interagem, mas também houve uma vantagem - foi bem algoritmo. I.e. o modelo opera com alguns elementos e descreve a natureza de sua interação de acordo com leis matemáticas compreensíveis.

Os resultados do desenvolvimento foram testados em várias soluções de produtos. Em particular, modelamos o comportamento dos usuários da Internet ao escolher um artigo de notícias, ao escolher um resultado dos resultados da pesquisa e também distribuímos usuários a grupos de consumidores de diferentes tipos de mercadorias com base nas necessidades simuladas. Como dados de entrada para modelagem, usamos o histórico de visitas aos sites por cada usuário individual. A propósito, esses dados são suficientes para calcular cerca de cem características de uma pessoa com quem um psicólogo opera - extroversão, compulsividade etc. O gênero também é uma característica psicológica, mas não para todos os países. Por exemplo, para a Suécia, a precisão da determinação é de no máximo 65%,enquanto nos países da Europa Oriental, podemos determinar o sexo do usuário com base no histórico de navegação com uma precisão de 95%.

Entendemos bem quais processos ocorrem na psique, temos ferramentas que nos permitem estudar e analisar esses processos. Utilizamos o método fenomenológico (1). Este método permite destacar os processos da psique, separá-los entre si, observar a dinâmica. Para nós, a psique não é uma caixa preta; na maior parte, é uma estrutura complexa, mas compreensível.

Também observo que a abordagem de nossa equipe implica a universalidade da IA ​​que está sendo desenvolvida, em contraste com a AI especializada, focada na solução dos mesmos problemas.

Armazenamento e processamento de conhecimento em IA


A primeira tarefa que começamos a resolver é o desenvolvimento de uma rede semântica para armazenar conhecimento na forma em que ele é armazenado na psique humana. Ao mesmo tempo, a estrutura da rede semântica deve fornecer não apenas armazenamento de dados, mas também a operação eficiente de algoritmos que repetem processos cognitivos e outros.

Os vértices da rede são quaisquer fenômenos que a consciência possa destacar. Os vértices vêm em diferentes formas, por exemplo, um objeto, uma ação, um sinal, um conceito abstrato. Exemplos de picos são laptop, vela, preto, espaço.

As conexões entre os vértices refletem o tipo de interação desses fenômenos na psique. Na expressão "bola azul" entre os dois picos "azul" e "bola", há uma conexão caracterológica. Os links também podem ser de vários tipos.

Em seu trabalho sobre a formação de estruturas de redes semânticas, ou seja, para adicionar novos tipos de picos e conexões, seguimos o processo de ontogênese das funções cognitivas humanas. Esclarecemos isso com um exemplo. Até certo ponto, não há conexão "instrumental" entre fenômenos na psique, porque a psique não resolve os problemas correspondentes - uma criança pode tocar um brinquedo com sua omoplata e não percebe a omoplata como um instrumento. Depois de algum tempo, imitando o que foi visto e acumulando conhecimento, um novo tipo de conexão é formado na psique - instrumental, a criança entende que você pode cavar com uma pá. Assim, a psique responde à complexidade das operações, a um aumento na quantidade de dados e otimiza seu trabalho, formando um novo tipo de conexão.

A formação de novos tipos de comunicação ocorre em conexão com um novo tipo de atividade e com o aparecimento de neoplasias na psique (2) Um exemplo de um novo tipo de atividade - com um designer profissional, a cor não é apenas uma característica, mas também uma ferramenta profissional, que forma um tipo separado de conexão. Um exemplo de uma neoplasia na psique é o pensamento abstrato.

Primeiramente, identificamos dois estágios na formação da psique - pré-verbal, quando são formadas estruturas para as quais as palavras não são usadas (do nascimento aos 2 anos) e verbal, quando a palavra é usada como identificador. A divisão nos estágios indicados é condicional, pois cada um deles também possui seus próprios períodos separados de formação da estrutura.

A reprodução de estruturas pré-verbais provou ser uma tarefa bastante difícil. Fomos forçados a reconstruir conceitos e conexões a partir de estruturas conhecidas por nós em estágios posteriores. Por exemplo, o prazer de uma criança de seis meses ainda não contém experiências diferenciadas (seja prazer sexual, prazer da saciedade, prazer da intimidade, etc.). No desenvolvimento de estruturas pré-verbais, nos limitamos àqueles que têm conexões com estruturas formadas em estágios subsequentes. Observe que, embora a metodologia para a formação de estruturas pré-verbais para a rede semântica tenha sido elaborada, essa tarefa exige uma quantidade significativa de trabalho de psicólogos. Nesta fase, identificamos 3 tipos de vértices e 4 tipos de conexões.

Depois que a palavra se tornou o principal identificador da informação, ficou mais fácil formar estruturas. Você sempre pode recorrer à fonte - a própria psique, fazendo perguntas a uma pessoa da idade apropriada. Observe que, no estágio verbal, a psique não se limita a um aumento extensivo no número de fenômenos. Novos tipos de fenômenos também aparecem, por exemplo, abstratos, fictícios etc., o que implica uma mudança na estrutura da rede.

Até o momento, existem vários desenvolvimentos que procuram repetir o princípio do armazenamento do conhecimento pelo homem usando a rede semântica. Nosso método de formação da estrutura de rede é baseado nas ferramentas que desenvolvemos para o estudo de processos mentais (incluindo cognitivos). Introduzimos na estrutura da rede apenas o que está realmente disponível na psique da idade correspondente. Como resultado, a rede semântica que recria a estrutura cognitiva da psique de uma criança de sete anos contém 17 tipos de vértices e 15 tipos de comunicação. Por essa idade em humanos, a maioria das formas de comunicação já foi formada.

No processo de criação de uma rede semântica, identificamos vários recursos interessantes:

1.A rede semântica possui alguns truques - elementos que determinam a distribuição desigual dos relacionamentos. Em torno deles, a maioria das cadeias desses links é orientada. Essas são necessidades humanas.

2. Com cada neoplasia, a estrutura do conhecimento é reconstruída. O novo período da idade traz a necessidade de alterar significativamente a estrutura das relações entre os elementos.

3. Criando algum tipo de rede de referência, registramos diferenças pessoais. Essas diferenças são típicas. Ou seja, o número de invariantes é muito limitado e é devido a características individuais ou à influência do meio ambiente. Estes são tipos psicológicos.

Adquirir novos conhecimentos e formar respostas para perguntas


Os algoritmos que implementam operações de pensamento relacionadas à compreensão de novos conhecimentos são baseados na estrutura da rede semântica.

Inicialmente, o texto é processado por um analisador desenvolvido na Universidade de Stanford.. Em seguida, verificamos a disponibilidade dos vértices e conexões correspondentes e, se necessário, formamos novos. Ao formar uma resposta ou uma pergunta esclarecedora, os algoritmos são guiados pelos dados disponíveis na rede semântica. A operação simplificada dos algoritmos pode ser demonstrada pelo exemplo a seguir. Depois de ler o texto "Ursos polares atacam focas", a IA, já conhecendo cada um desses fenômenos separadamente, cria uma conexão especial na rede semântica que fixa a exclusividade - são os ursos polares que atacam focas. Depois de receber a pergunta, "Brown é vítima de focas?" A IA responderá "Não", porque não haverá uma estrutura na rede semântica que atenda a todas as condições especificadas "O urso pardo caça focas".

Na primeira etapa, desenvolvemos algoritmos correspondentes aos processos cognitivos de uma criança de três anos de idade. Com base nos algoritmos, escrevemos um programa que pode entender um texto muito simples e responder a vários tipos de perguntas. Aqui está um programa de demonstração . O programa nos permitiu configurar as conexões da rede semântica em grandes quantidades de dados e confirmou a correspondência direta da reação do sistema e da psique de uma pessoa viva.

Em setembro, concluímos a modelagem dos processos cognitivos de uma criança de sete anos de idade. Embora não tenhamos recursos para programar todo o sistema, nos limitamos temporariamente a uma rede semântica e a vários tipos de algoritmos. Se os algoritmos nesse nível puderem ser calculados “manualmente”, isso não poderá ser feito com a rede semântica - ela contém cerca de 10.000 vértices e 40.000 links. Depois que terminarmos de programar todos os algoritmos, esta solução será um sistema cognitivo suficientemente poderoso para trabalhar com informações textuais. Nosso sistema pode fornecer uma compreensão dos novos conhecimentos descritos em linguagem natural e operando no mesmo nível de uma pessoa da idade apropriada.

Próximas etapas de desenvolvimento


O próximo passo no desenvolvimento de nossa tecnologia, vemos na reconstrução do pensamento abstrato do homem. Agora, a IA pode operar com conceitos abstratos aos quais foi ensinada, mas não pode formar novos de forma independente. Por exemplo, aqui está o texto usado para ensinar peixes:

Peixe é um animal. O peixe tem corpo alongado. O peixe achatou o corpo. O peixe tem cabeça, mandíbulas, brânquias, cauda e escamas de prata. O peixe vive na água. Os peixes podem nadar, dormir, comer, sentir dor, medo. O peixe não fala. Se o peixe estiver sem água, ele morre. O peixe usa brânquias para respirar. O peixe usa barbatanas para nadar. Salmão, truta, tubarão são peixes. Gato, urso, coiote, jacaré, foca, peixe de caça ao pelicano.

A formação independente de conceitos abstratos expandirá significativamente as possibilidades de ensino de IA e o escopo de seu uso. Já desenvolvemos os princípios básicos e planejamos detalhar os processos em um futuro próximo. A adição de pensamento abstrato também exigirá modernização da rede semântica como novos tipos de comunicação serão adicionados.

Além disso, planejamos desenvolver algoritmos para a formação independente de novos tipos de comunicação por inteligência artificial. Isso adicionará flexibilidade à rede semântica e alguma "autonomia" no treinamento de IA de uma equipe de especialistas.

Aplicação de tecnologia AI


A solução desenvolvida é capaz de entender texto simples, por exemplo, a maioria dos artigos da Wikipedia em inglês simples pode ser entendida pelo sistema. Além disso, nossa solução pode responder perguntas sobre o conhecimento existente e fazer perguntas esclarecedoras se encontrar uma contradição. A partir de restrições nesta fase - textos e perguntas devem ser construídos gramaticalmente corretamente. Além disso, o sistema deve ser treinado por nossos especialistas em conceitos abstratos em uma nova área de assunto. Com essa abordagem de aprendizado, a solução desenvolvida é indistinguível no diálogo de uma pessoa real.

Dos recursos de nossa abordagem para o aprendizado - não há necessidade de uma grande quantidade de dados de treinamento. Novos conceitos abstratos e novos conhecimentos em uma área específica, o sistema é treinado por uma única leitura do texto.

Os processos cognitivos recriados em nossa IA já são suficientes para uso em bots inteligentes, suporte a texto on-line, NPCs em jogos etc. I.e. em sistemas em que a comunicação em uma área separada em linguagem natural é necessária. Agora, as respostas em tais decisões são formadas por declarações ao vivo ou scripts. Nosso sistema forma uma resposta do conhecimento existente da mesma maneira que uma pessoa.

Podemos adicionar certos tipos de algoritmos cognitivos e treinar a área de assunto correspondente, para que a IA possa executar, por exemplo, tarefas de programação básicas. Este é um assistente virtual que assumirá parte das tarefas rotineiras de programação - entenderá a tarefa em uma linguagem natural, analisará o código existente, escreverá um novo. Antes de tudo, estamos falando de problemas algorítmicos com uma boa formulação e com um baixo grau de incerteza.

Os recursos próprios já não são suficientes, portanto, estamos considerando uma parceria com outras empresas. Podemos fornecer totalmente a parte tecnológica para produtos ou plataformas e, por parte dos parceiros, esperamos ver a experiência e os recursos do produto para implementação no código. A equipe também ficará satisfeita com os desenvolvedores que estão próximos das idéias apresentadas no artigo.

Nos comentários, escreva sobre quais aspectos da tecnologia você gostaria de saber mais. Nos artigos a seguir, tentarei levar isso em consideração.

1. Husserl E. Estudos lógicos / Per. com ele. E. A. Bernstein, ed. S. L. Frank. Nova edição de R. A. Gromov. - M.: projeto acadêmico, 2011.
2. Piaget J. Discurso e pensamento de uma criança. M., 1994.

Source: https://habr.com/ru/post/pt398779/

More articles:


All Articles