Разработка ИИ, который "думает" как человек

Создание человекоподобного ИИ - это нечто большее, чем имитация человеческого поведения — технология также должна быть способна обрабатывать информацию или "думать", как люди, если на нее можно полностью положиться.

Новое исследование, опубликованное в журнале Patterns и проведенное Школой психологии и нейробиологии Университета Глазго, использует 3D—моделирование для анализа того, как Глубокие нейронные сети — часть более широкого семейства машинного обучения - обрабатывают информацию, чтобы визуализировать, как их обработка информации соответствует обработке людей.

Есть надежда, что эта новая работа проложит путь к созданию более надежной технологии искусственного интеллекта, которая будет обрабатывать информацию, как люди, и совершать ошибки, которые мы можем понять и предсказать.

Одна из проблем, все еще стоящих перед разработкой ИИ, заключается в том, как лучше понять процесс машинного мышления и соответствует ли он тому, как люди обрабатывают информацию, чтобы обеспечить точность. Глубокие нейронные сети часто представляются как лучшая в настоящее время модель поведения человека при принятии решений, достигающая или даже превосходящая производительность человека в некоторых задачах. Однако даже обманчиво простые задачи визуальной дискриминации могут выявить явные несоответствия и ошибки в моделях искусственного интеллекта по сравнению с людьми.

В настоящее время технология глубоких нейронных сетей используется в таких приложениях, как распознавание лиц, и, хотя она очень успешна в этих областях, ученые все еще не до конца понимают, как эти сети обрабатывают информацию, и, следовательно, когда могут возникать ошибки.

В этом новом исследовании исследовательская группа решила эту проблему, смоделировав визуальный стимул, который был дан Глубокой нейронной сети, преобразовав его несколькими способами, чтобы они могли продемонстрировать сходство распознавания, обрабатывая аналогичную информацию между людьми и моделью искусственного интеллекта.

Профессор Филипп Шинс, старший автор исследования и глава Института нейробиологии и технологий Университета Глазго, сказал: "При создании моделей ИИ, которые ведут себя "как" люди, например, для распознавания лица человека, когда они видят его как человека, мы должны убедиться, что модель ИИ использует ту же информацию с лица, что и другой человек, чтобы распознать его. Если ИИ этого не сделает, у нас может возникнуть иллюзия, что система работает так же, как и люди, но затем мы обнаружим, что она ошибается в каких-то новых или непроверенных обстоятельствах".

Исследователи использовали серию модифицируемых 3D-лиц и попросили людей оценить сходство этих случайно сгенерированных лиц с четырьмя знакомыми личностями. Затем они использовали эту информацию, чтобы проверить, получали ли Глубокие нейронные сети одинаковые оценки по одним и тем же причинам — проверяя не только то, принимали ли люди и ИИ одинаковые решения, но и то, основывалось ли это на одной и той же информации. Важно отметить, что с их подходом исследователи могут визуализировать эти результаты в виде 3D-лиц, которые управляют поведением людей и сетей. Например, сеть, которая правильно классифицировала 2000 идентификационных данных, была основана на сильно карикатурном лице, показывающем, что она идентифицировала лица, обрабатывающие информацию о лицах, сильно отличающуюся от людей.

Исследователи надеются, что эта работа проложит путь к более надежной технологии искусственного интеллекта, которая будет вести себя более похоже на людей и совершать меньше непредсказуемых ошибок.

Исследование "Обоснование глубоких нейросетевых прогнозов поведения человека при категоризации в понятных функциональных особенностях: Случай идентификации лица", опубликованный в журнале Patterns.

Источник: techxplore.com

Комментарии: