Matthew Hutson, en frilansskribent, har publicerat en artikel i tidningen Vetenskap beskriver framstegen med att få datorer att lära sig och tänka mer som människor. I hans artikel, han menar att många problem kommer att behöva lösas innan maskiner kan lära sig att tänka som människor gör. Och vid dess rot, han föreslår, det kommer att kräva att man tar reda på hur man får datorer att lära sig både genom försök och misstag och genom inbyggda funktioner som motsvarar instinkt.

Som Hutson noterar, nätverksbaserade system för djupinlärning har åstadkommit extraordinära saker, som att slå människor vid mycket svåra spel eller lära sig att vända hamburgare. Men de saknar fortfarande förmågan att tillämpa det de har lärt sig på nya och olika miljöer. En schackspelande robot som kunde slå den bästa mänskliga spelaren i världen skulle fortfarande förlora när han blev ombedd att spela en omgång dam med ett barn. De saknar också sunt förnuft. Som ett enkelt exempel, Hutson citerar att han ber en robotbutler att hämta en röd kopp från skåpet – hur ska den svara om det inte finns några röda koppar i skåpet? Istället, skåpet är fyllt med koppar i andra färger och tallrikar som är röda. En människa skulle med största sannolikhet välja en kopp i en annan färg istället för en röd tallrik som delvis matchar begäran, eftersom hon skulle förstå den avsedda användningen av det önskade föremålet. Men hur får vi robotar att göra det?

För att få robotar att bli mer kapabla att hantera den verkliga världen, slumpmässiga scenarier kommer sannolikt att involvera att få dem att lära sig hur människor eller andra djur lär sig. Detta kommer troligen att kräva att man går tillbaka till den ursprungliga designen - den mänskliga hjärnan. Han föreslår forskare som Gary Marcus från New York University som nyckelutvecklare. Marcus är en kognitiv forskare inom utveckling som är involverad i forskning som syftar till att studera hur människor lär sig från födseln och framåt. Forskare som Marcus, Hutson föreslår, letar efter sätt genom vilka människor och andra djur begåvas med instinktivt beteende. Verkligen, Marcus har kommit med en lista över mänskliga instinkter som han tror kommer behöva bakas in i datorer innan de någonsin lär sig saker som kausalitet och att bedöma kostnads-nyttosituationer.

Hutson noterar att vissa datavetare hoppar på sådana nya idéer och han listar företag som Vicarious, i Kalifornien, och DeepMind i England, som jobbar hårt på att försöka genomföra dem. Han citerar också pågående forskningsinsatser på platser som MIT och University of New South Wales, där team försöker lära sig hur den mänskliga hjärnan fungerar och hur maskiner kan tillverkas för att fungera på samma sätt.

© 2018 Tech Xplore