211service.com
Diese neugierige KI wird dir bei Battleship in den Hintern treten
Brenden Lake und Anselm Rothe
Ein bemerkenswert neugieriges künstliches Intelligenzsystem, das von einem Forscherteam der NYU entwickelt wurde, hat gelernt, ein Battleship-ähnliches Spiel mit überwältigenden Fähigkeiten zu spielen.
In dem einfachen Spiel, das die Forscher entwickelt haben, versuchen die Spieler, die Schiffe ihres Gegners zu finden, die auf einem kleinen Raster aus Quadraten versteckt sind, indem sie eine Reihe von Fragen stellen, die mit einer einzigen Zahl oder einem Wort beantwortet werden können. Ihr Programm findet heraus, wie man diese Fragen so effizient wie möglich stellt.
Inspiriert von der kognitiven Psychologie und mit einem grundlegend anderen Ansatz als die meisten heutigen KIs zeigt das System, wie Maschinen lernen können, nützliche Fragen über die Welt zu stellen. Das Programm behandelt Fragen als Miniaturprogramme, die es ihm ermöglichen, aus nur wenigen Beispielen zu lernen und seine eigenen Fragen auf der Grundlage des Gelernten zu konstruieren.
Das Spiel wurde entwickelt von Brenden See , ein Assistenzprofessor an der NYU; Todd Gureckis , ein außerordentlicher Professor; und Anselm Rothe , ein Diplomand. Es gibt eine enorme Lücke zwischen der menschlichen und der maschinellen Fähigkeit, Fragen zu stellen, wenn man nach Informationen über die Welt sucht, sagt Lake. Die Forscher beschreiben die Arbeit in ein Papier online gepostet.
Die Forscher ließen Menschen ihr Spiel spielen und zeichneten die Fragen auf, die sie stellten. Anschließend übersetzten sie die Fragen in konzeptionelle Komponenten. Zum Beispiel die Fragen Wie lang ist das blaue Schiff? und Hat das blaue Schiff vier Plättchen? betreffen die Länge eines Ziels. Die Frage Berühren sich die blauen und roten Schiffe? betrifft Stellung. Die Forscher codierten diese Fragen dann mit einer einfachen Programmiersprache und erstellten ein Wahrscheinlichkeitsmodell, um zu bestimmen, welche Fragen die nützlichsten Informationen liefern sollten. Diese Methodik ermöglichte es dem KI-System, neue Fragen effizient zu konstruieren, die ihm halfen, das Spiel zu gewinnen.
Die meisten KI-Ansätze bestehen darin, einen Computer einfach mit riesigen Mengen an Beispieldaten zu füttern und ihn danach seine eigenen Beispiele generieren zu lassen. Während die Methode des NYU-Teams mehr manuelles Programmieren erfordert, ist sie weitaus effizienter und effektiver bei der Entdeckung intelligenter Fragen, die gestellt werden können. Das System erstellt auch intelligentere Fragen auf methodischere Weise und kann sogar Fragen hervorbringen, an die kein Mensch gedacht hätte.
Die Forscher untersuchen, wie ihre Technologie Chatbots und andere Dialogsysteme effektiver und weniger schmerzhaft in der Anwendung machen könnte. Mit ein wenig Vorprogrammierung könnte ein solches System den Kunden helfen, sein Problem schneller zu lösen, indem es die richtigen Fragen stellt.
Dialogsysteme zu haben, die neue Fragen generieren, sodass sie im Handumdrehen informativere Antworten erhalten, wird die Mensch-Computer-Interaktion müheloser machen und diese Systeme nützlicher und benutzerfreundlicher machen, sagt Lake.
Bemerkenswerterweise war das Spielprogramm in der Lage, die ultimative Frage für das Schlachtschiffspiel zu konstruieren. Dies bestand darin, einen Gegner zu bitten, eine Reihe von mathematischen Schritten zu durchlaufen, die Länge eines Schiffes zur 10-fachen Länge des nächsten zu addieren und so weiter. Eine solche Frage wäre für eine Person schwer zu verfolgen oder richtig zu beantworten, aber theoretisch könnte das Ergebnis verwendet werden, um das gesamte Brett zurückzurechnen. Es war ziemlich interessant, sagt Lake.
Sam Deutschmann , ein Assistenzprofessor an der Harvard University, der Ansätze für KI entwickelt, die von kognitiven Neurowissenschaften inspiriert sind, sagt, dass die NYU-Forschung Einblicke darüber gibt, wie Menschen sich gute Fragen ausdenken. Erstens braucht man eine Form der Kompositionalität, um die verwirrende Vielfalt der Fragen zu erfassen, sagt Gershman. Zweitens benötigen Sie eine Reihe von Kriterien, die die relativen Stärken und Schwächen einer Frage abwägen.
Gershman fügt hinzu, dass Menschen anscheinend eine ähnliche Strategie wie der erfolgreichere Ansatz des Programms verfolgen und die Komplexität ihrer Fragen sorgfältig bewerten, um kognitive Ressourcen sparsam einzusetzen.
Letztendlich werden Maschinen nicht wirklich intelligent, wenn sie nicht anfangen, neugierig auf die Welt um sie herum zu werden. Das fängt damit an, bohrende Fragen zu stellen.