Onderzoekers van de Universiteit van Oxford hebben onlangs geprobeerd menselijke denkpatronen in machines na te bootsen, met behulp van een taalgestuurde verbeelding (LGI) netwerk. hun methode, geschetst in een paper dat vooraf is gepubliceerd op arXiv, zou kunnen bijdragen aan de ontwikkeling van kunstmatige intelligentie die in staat is tot menselijk denken, wat een doelgerichte stroom van mentale ideeën met zich meebrengt, geleid door taal.

Het menselijk denken vereist over het algemeen dat de hersenen een bepaalde taaluitdrukking begrijpen en gebruiken om de stroom van ideeën in de geest te organiseren. Bijvoorbeeld, als een persoon die haar huis verlaat zich realiseert dat het regent, zou ze van binnen kunnen zeggen, "Als ik een paraplu krijg, Ik kan voorkomen dat ik nat word, " en besluit dan om een ​​paraplu op te halen op weg naar buiten. Terwijl deze gedachte door haar hoofd gaat, echter, ze zal automatisch weten wat de visuele input (d.w.z. regendruppels) die ze waarneemt betekent, en hoe het vasthouden van een paraplu kan voorkomen dat je nat wordt, misschien zelfs voorstellend het gevoel van het vasthouden van de paraplu of nat worden onder de regen.

Hoewel sommige machines nu afbeeldingen kunnen herkennen, taal verwerken of zelfs regendruppels voelen, ze hebben dit unieke en fantasierijke denkvermogen nog niet verworven. Mensen kunnen zo'n 'voortdurend denken' bereiken omdat ze mentale beelden kunnen genereren die door taal worden geleid en taalrepresentaties uit echte of ingebeelde situaties kunnen halen.

In recente jaren, onderzoekers hebben natuurlijke taalverwerkingstools (NLP) ontwikkeld die vragen op een mensachtige manier kunnen beantwoorden. Echter, dit zijn slechts kansmodellen, en zijn dus niet in staat om taal op dezelfde manier en met dezelfde diepgang te begrijpen als mensen. Dit komt omdat mensen een aangeboren cumulatief leervermogen hebben dat hen begeleidt naarmate hun hersenen zich ontwikkelen. Dit 'menselijke denksysteem' is geassocieerd met bepaalde neurale substraten in de hersenen, waarvan de belangrijkste de prefrontale cortex (PFC) is.

De PFC is het gebied van de hersenen dat verantwoordelijk is voor het werkgeheugen (d.w.z. geheugenprocessen die plaatsvinden terwijl mensen een bepaalde taak uitvoeren), inclusief het onderhouden en manipuleren van informatie in de geest. In een poging om mensachtige denkpatronen in machines te reproduceren, Feng Qi en Wenchuan Wu, de twee onderzoekers die de recente studie hebben uitgevoerd, creëerde een kunstmatig neuraal netwerk geïnspireerd door de menselijke PFC.

"We hebben een taalgestuurde verbeeldingsnetwerk (LGI) voorgesteld om stapsgewijs de betekenis en het gebruik van talloze woorden en syntaxis te leren, gericht op het vormen van een mensachtig machine-denkproces, " legden de onderzoekers uit in hun paper.

Het door Qi en Wu ontwikkelde LGI-netwerk bestaat uit drie hoofdcomponenten:een visiesysteem, een taalsysteem en een kunstmatige PFC. Het vision-systeem bestaat uit een encoder die de input die door het netwerk wordt ontvangen of ingebeelde scenario's ontwart in abstracte populatierepresentaties, evenals een verbeeldingsdecoder die ingebeelde scenario's reconstrueert uit representaties op een hoger niveau.

Het tweede subsysteem, het taalsysteem, bevat een binarizer die symboolteksten omzet in binaire vectoren, een systeem dat de functie van de menselijke intrapariëtale sulcus (IPS) nabootst door kwantiteitsinformatie te extraheren uit invoerteksten en een textizer die binaire vectoren omzet in tekstsymbolen. Het laatste onderdeel van hun LGI-netwerk bootst de menselijke PFC na, het combineren van invoer van zowel taal- als visierepresentaties om tekstsymbolen en gemanipuleerde afbeeldingen te voorspellen.

Qi en Wu evalueerden hun LGI-netwerk in een reeks experimenten en ontdekten dat het met succes acht verschillende syntaxis of taken op een cumulatieve manier had verworven. Hun techniek vormde ook de eerste 'machine thinking loop', " die een interactie laat zien tussen ingebeelde afbeeldingen en taalteksten. In de toekomst, het door de onderzoekers ontwikkelde LGI-netwerk zou kunnen helpen bij de ontwikkeling van meer geavanceerde AI, die in staat is tot mensachtige denkstrategieën, zoals visualisatie en verbeelding.

"LGI heeft stapsgewijs acht verschillende syntaxis (of taken) geleerd, waarmee een machine-denklus is gevormd en gevalideerd door de juiste interactie tussen taal en visiesysteem, " schreven de onderzoekers. "Ons artikel biedt een nieuwe architectuur om de machine te laten leren, taal te begrijpen en te gebruiken op een menselijke manier die uiteindelijk een machine in staat zou kunnen stellen fictieve mentale scenario's te construeren en intelligentie te bezitten."

© 2019 Wetenschap X Netwerk