Die KI-Technik, die Maschinen mit der Fähigkeit zur Vernunft ausstatten könnte

Ein Bild von Babys, die mit Blöcken spielen Getty

Mit sechs Monaten wird ein Baby nicht mit der Wimper zucken, wenn ein Spielzeuglaster von einer Plattform fährt und scheint in der Luft zu schweben . Aber führen Sie das gleiche Experiment nur zwei bis drei Monate später durch, und sie wird sofort erkennen, dass etwas nicht stimmt. Sie hat bereits das Konzept der Schwerkraft gelernt.

Niemand sagt dem Baby, dass Gegenstände fallen sollen, sagte Yann LeCun, der leitende KI-Wissenschaftler bei Facebook und Professor an der NYU. während eines Webinars am Donnerstag organisiert von der Association for Computing Machinery, einem Branchenverband. Und weil Babys keine sehr ausgefeilte motorische Kontrolle haben, so seine Hypothese, lernen sie viel über die Welt durch Beobachtung.

Diese Theorie könnte wichtige Implikationen für Forscher haben, die hoffen, die Grenzen der künstlichen Intelligenz zu erweitern.

Deep Learning, die Kategorie der KI-Algorithmen, die die jüngste Revolution auf diesem Gebiet angestoßen hat, hat enorme Fortschritte gemacht, um Maschinen Wahrnehmungsfähigkeiten wie das Sehen zu verleihen. Aber sie hat es versäumt, sie mit ausgefeilter Argumentation zu erfüllen, die auf einem konzeptionellen Modell der Realität basiert. Mit anderen Worten, Maschinen verstehen die Welt um sie herum nicht wirklich, was dazu führt, dass sie nicht in der Lage sind, sich darauf einzulassen. Neue Techniken helfen, diese Einschränkung zu überwinden – zum Beispiel, indem sie Maschinen eine Art Arbeitsgedächtnis geben, damit sie beim Lernen und Ableiten grundlegender Fakten und Prinzipien diese für zukünftige Interaktionen ansammeln können.

Aber LeCun glaubt, dass dies nur ein Teil des Puzzles ist. Offensichtlich fehlt uns etwas, sagte er. Ein Baby kann einen Elefanten verstehen, nachdem es zwei Fotos gesehen hat, während Deep-Learning-Algorithmen Tausende, wenn nicht Millionen sehen müssen. Ein Teenager kann lernen, sicher zu fahren, indem er 20 Stunden lang übt, und es schaffen, Unfälle zu vermeiden, ohne vorher einen zu erleben, während Reinforcement-Learning-Algorithmen (eine Unterkategorie von Deep Learning) zig Millionen Versuche durchlaufen müssen, einschließlich vieler ungeheuerlicher Fehler.

Die Antwort liegt seiner Meinung nach in der unterschätzten Unterkategorie des Deep Learning, die als unüberwachtes Lernen bekannt ist. Während Algorithmen, die auf überwachtem und bestärkendem Lernen basieren, gelehrt werden, ein Ziel durch menschliche Eingaben zu erreichen, extrahieren unbeaufsichtigte Algorithmen völlig selbstständig Muster aus Daten. (LeCun bevorzugt den Begriff selbstüberwachtes Lernen, weil es im Wesentlichen einen Teil der Trainingsdaten verwendet, um den Rest der Trainingsdaten vorherzusagen.)

In den letzten Jahren haben solche Algorithmen in der Verarbeitung natürlicher Sprache aufgrund ihrer Fähigkeit, die Beziehungen zwischen Milliarden von Wörtern zu finden, erheblich an Zugkraft gewonnen. Dies erweist sich als nützlich, um Textvorhersagesysteme wie Autocomplete zu erstellen oder um überzeugende Prosa zu generieren. Aber die überwiegende Mehrheit der KI-Forschung in anderen Bereichen hat sich auf überwachtes oder bestärkendes Lernen konzentriert.

LeCun glaubt, dass die Betonung umgedreht werden sollte. Alles, was wir als Menschen lernen – fast alles – wird durch selbstüberwachtes Lernen gelernt. Es gibt eine dünne Schicht, die wir durch überwachtes Lernen lernen, und eine winzige Menge, die wir durch Verstärkungslernen lernen, sagte er. Wenn maschinelles Lernen oder KI ein Kuchen ist, dann ist der größte Teil des Kuchens selbstüberwachtes Lernen.

Wie sieht das in der Praxis aus? Forscher sollten sich zunächst auf die zeitliche Vorhersage konzentrieren. Mit anderen Worten, trainieren Sie große neuronale Netze, um die zweite Hälfte eines Videos vorherzusagen, wenn die erste gegeben wird. Obwohl nicht alles in unserer Welt vorhergesagt werden kann, ist dies die grundlegende Fähigkeit hinter der Fähigkeit eines Babys zu erkennen, dass ein Spielzeuglaster fallen sollte. Dies ist eine Art Simulation dessen, was in Ihrem Kopf vor sich geht, wenn Sie möchten, sagte LeCun.

Sobald das Fachgebiet Techniken entwickelt hat, die diese Fähigkeiten verfeinern, werden sie auch wichtige praktische Anwendungen haben. Es ist eine gute Idee, Videovorhersagen im Zusammenhang mit selbstfahrenden Autos durchzuführen, da Sie vielleicht im Voraus wissen möchten, was andere Autos auf den Straßen tun werden, sagte er.

Letztendlich wird unüberwachtes Lernen Maschinen helfen, ein Modell der Welt zu entwickeln, das dann zukünftige Zustände der Welt vorhersagen kann, sagte er. Es ist ein hochgestecktes Ziel, das sich der KI-Forschung entzogen hat, aber eine völlig neue Fülle von Möglichkeiten eröffnen würde. LeCun ist zuversichtlich: Die nächste Revolution der KI wird nicht überwacht.

Um mehr Geschichten wie diese direkt in Ihren Posteingang zu bekommen, melden Sie sich für unseren von Webby nominierten KI-Newsletter The Algorithm an. Es ist kostenlos.

verbergen