Të mësosh të përdorësh objekte në mënyra të reja për të zgjidhur probleme siç bëjnë njerëzit

Çfarë është SSUP? Modeli njohës Shembull, Simulo, Përditëso i zhvilluar nga studiuesit e MIT mëson të përdorë mjete siç bëjnë njerëzit.

Qeniet njerëzore janë përdorues natyrisht të mjeteve krijuese. Kur kemi nevojë për të vozitur në një gozhdë, por nuk kemi një çekiç, ne lehtë e kuptojmë se mund të përdorim një objekt të rëndë, të sheshtë si një shkëmb në vendin e tij. Kur tryeza jonë është e lëkundur, ne shpejt zbulojmë se mund të vendosim një pirg letre nën këmbën e tryezës për ta stabilizuar atë. Por ndërsa këto veprime na duken kaq të natyrshme, besohet se janë një shenjë dalluese e inteligjencës së madhe – vetëm disa specie të tjera përdorin objekte në mënyra të reja për të zgjidhur problemet e tyre dhe askush nuk mund ta bëjë këtë në mënyrë fleksibile si njerëzit. Çfarë na siguron këto aftësi të fuqishme për përdorimin e objekteve në këtë mënyrë?

Në një letër të botuar në Procedurat e Akademisë Kombëtare të Shkencave që përshkruan punën e kryer në Qendrën e MIT për Trurin, Mendjet dhe Makineritë, studiuesit Kelsey Allen, Kevin Smith dhe Joshua Tenenbaum studiojnë përbërësit njohës që qëndrojnë në themel të këtij lloji të përdorimit të mjetit të improvizuar. Ata hartuan një detyrë të re, lojën Mjetet Virtuale, që godet aftësitë e përdorimit të mjeteve: Njerëzit duhet të zgjedhin një objekt nga një grup “mjetesh” që mund t’i vendosin në një skenë dy-dimensionale, të kompjuterizuar për të arritur një qëllim, të tilla si futja e një topi në një enë të caktuar. Zgjidhja e enigmave në këtë lojë kërkon arsyetim rreth një numri parimesh fizike, duke përfshirë nisjen, bllokimin ose mbështetjen e objekteve.

Ekipi supozoi se ekzistojnë tre aftësi në të cilat njerëzit mbështeten për të zgjidhur këto enigma: një besim paraprak që drejton veprimet e njerëzve drejt atyre që do të bëjnë një ndryshim në skenë, aftësinë për të imagjinuar efektin e veprimeve të tyre dhe një mekanizëm për të shpejt azhurnojnë bindjet e tyre rreth veprimeve që mund të ofrojnë një zgjidhje. Ata ndërtuan një model që inicioi këto parime, të quajtur modeli “Shembull, Simulo, Përditëso”, ose “SSUP” dhe e luajtën të njëjtën lojë me njerëzit. Ata zbuluan se SSUP zgjidhte çdo enigmë me ritme të ngjashme dhe në mënyra të ngjashme si njerëzit. Nga ana tjetër, një model popullor i të mësuarit të thellë që mund të luante lojëra Atari mirë por nuk kishte të njëjtin objekt dhe strukturat fizike nuk ishin në gjendje të përgjithësonin njohuritë e tyre në enigmat për të cilat nuk ishin trajnuar drejtpërdrejt.

Ky hulumtim ofron një kornizë të re për studimin dhe zyrtarizimin e njohjes që mbështet përdorimin e mjeteve njerëzore. Ekipi shpreson ta shtrijë këtë kornizë jo vetëm për të studiuar përdorimin e mjeteve, por edhe mënyrën sesi njerëzit mund të krijojnë mjete të reja inovative për probleme të reja dhe si njerëzit transmetojnë këtë informacion për të ndërtuar nga mjete të thjeshta fizike në objekte komplekse si kompjuterat ose aeroplanët që tani janë pjesë të jetës sonë të përditshme.

Kelsey Allen, një studente PhD në Laboratorin e Shkencës Kognitive në MIT, është e ngazëllyer për mënyrën se si loja Mjetet Virtuale mund të mbështesë shkencëtarë të tjerë njohës të interesuar për përdorimin e mjeteve: “Ka shumë më shumë për të eksploruar në këtë fushë. Ne tashmë kemi filluar të bashkëpunojmë me studiues në shumë institucione të ndryshme për projekte duke filluar nga studimi se çfarë do të thotë për lojërat të jenë argëtuese, deri te studimi se si mishërimi ndikon në arsyetimin fizik të pa trupëzuar. Shpresoj që të tjerët në komunitetin e shkencës njohëse ta përdorin lojën si një mjet për të kuptuar më mirë sesi bashkëveprojnë modelet fizike me vendimmarrjen dhe planifikimin. ”

Joshua Tenenbaum, profesor i shkencës njohëse llogaritëse në MIT, e sheh këtë punë si një hap drejt të kuptuarit jo vetëm të një aspekti të rëndësishëm të njohjes dhe kulturës njerëzore, por edhe mënyrën e ndërtimit të formave të inteligjencës më shumë si njeriu në makina.

“Studiuesit e Inteligjencës Artificiale kanë qenë shumë të entuziazmuar për potencialin e algoritmeve të të mësuarit të përforcuar (RL) për të mësuar nga përvoja e provës dhe gabimit, siç bëjnë njerëzit, por mësimi i vërtetë i provës dhe gabimit që njerëzit përfitojnë shpaloset në vetëm një grusht e provave – jo miliona ose miliarda përvoja, si në sistemet e sotme RL, “thotë Tenenbaum. “Loja Virtual Tools na lejon të studiojmë këtë formë shumë të shpejtë dhe shumë më të natyrshme të të mësuarit gjykim-gabim te njerëzit, dhe fakti që modeli SSUP është në gjendje të kapë dinamikën e të mësuarit të shpejtë që shohim tek njerëzit sugjeron se mund të tregoni rrugën drejt qasjeve të reja të AI ndaj RL që mund të mësojnë nga sukseset, dështimet e tyre dhe humbjet e tyre afër aq shpejt dhe aq fleksibël sa njerëzit. “