Können Computer wie Babys denken? Neueste Forschung verleiht KI die gleiche intuitive Wahrnehmung wie Menschen

Es ist bereits ein Klischee, dass künstliche Intelligenz Schach spielen und sogar den Go-Weltmeister besiegen kann.

Obwohl KI so leistungsstark ist, nutzt sie Deep Learning und unzählige Trainingssitzungen, um bei praktischen Problemen die optimale Lösung aus der Trainingsdatenbank berechnen zu können. Dies bedeutet nicht, dass der Roboter wie ein Mensch selbstständig denken kann.

Am 11. Juli gelang Deep Mind mit seinem neuesten Artikel über KI ein Durchbruch. Forscher nutzten Erkenntnisse aus der Entwicklungspsychologie, um KI zu ermöglichen, wie menschliche Babys „denken zu lernen“. Bisher hatten hochmoderne KI-Systeme noch Schwierigkeiten, den gesunden Menschenverstand in alltäglichen menschlichen Situationen zu erfassen, etwa bei der Steuerung von Vorhersagen, Schlussfolgerungen und Handlungen.

Man kann sagen, dass diese Forschung von Deep Mind die Entwicklung künstlicher Intelligenz im Bereich der intuitiven Wahrnehmung erheblich vorangetrieben hat. Danach wurde die künstliche Intelligenz tatsächlich „menschlicher“.

Geschrieben von Xu Shilu

Produziert von: Science Popularization China-Starry Sky Project

Bild über Deep Mind

Schon seit es Roboter gibt, haben sich viele Menschen folgende Frage gestellt: Wie würde die Welt aussehen, wenn Roboter wie Menschen denken könnten? (Ich glaube, die entsprechende Filmszene ist Ihnen bereits im Kopf entstanden)

Diese Frage war jahrelang unbeantwortet, doch eine kürzlich in Nature Human Behavior veröffentlichte Studie zeigt, dass künstliche Intelligenz möglicherweise die Fähigkeit besitzt, „wie ein Baby zu denken“: Sie kann intuitive physikalische Zusammenhänge wie ein Baby verstehen. Erwähnenswert ist, dass es sich hierbei um das von Forschern des bekannten Unternehmens für künstliche Intelligenz, Deep Mind, veröffentlichte Ergebnis handelt.

Luis Piloto, der korrespondierende Autor des Artikels, studierte zuvor an der Princeton University

Luis Piloto und seine Kollegen haben ein Deep-Learning-System namens PLATO entwickelt, das intuitive Physik erlernen kann. PLATO umfasst Systeme, die von der Forschung zum Lernverhalten von Kleinkindern inspiriert sind. Darüber hinaus folgt PLATO Theorien, die besagen, dass Objekte eine zentrale Rolle bei der Darstellung und Vorhersage der physischen Welt um uns herum spielen.

Konkret trainierten die Forscher PLATO, indem sie ihm viele Videos mit einfachen Szenen zeigten, etwa einen Ball, der auf den Boden fällt, einen Ball, der hinter andere Objekte rollt und wieder auftaucht, und viele Bälle, die hin und her hüpfen. Nach dem Training zeigte PLATO eine „Überraschung“ wie ein menschliches Baby, wenn es Szenen sah, die keinen Sinn ergaben, wie etwa Objekte, die sich gegenseitig durchdrangen, ohne miteinander zu interagieren.

Erstaunlicherweise erzielte PLATO die oben genannten Lernergebnisse, nachdem es sich nur 28 Stunden Video angesehen hatte.

Wir können nicht anders, als zu fragen: Was ist intuitive Physik und wie verstehen Babys sie? Wie hat die KI das gelernt?

Was ist intuitive Physik aus der Sicht von Babys?

Lassen Sie uns zunächst ein Konzept klären: Was ist intuitive Physik? Wir können es einfach als „Intuition“ oder „gesunder Menschenverstand“ verstehen.

Wenn wir beispielsweise einen Schlüsselbund über den Tisch fallen lassen, weiß jeder, dass die Schlüssel weder in der Luft schweben noch durch den Tisch hindurch auf den Boden fallen, sondern auf den Tisch fallen.

Dies ist „intuitive Physik“, das grundlegende physikalische Konzept, mit dem wir die Welt verstehen, und ein Schlüsselelement des „gesunden Menschenverstands“ in unserem Denken.

Im Bereich der Entwicklungspsychologie wird die intuitive Physik in fünf Konzepte unterteilt:

1. Kontinuität: Objekte teleportieren sich nicht von einem Ort zum anderen, sondern folgen einem kontinuierlichen Pfad in Zeit und Raum;

2. Objektpermanenz: Objekte verschwinden nicht, wenn sie nicht mehr sichtbar sind;

3. Festigkeit: Objekte durchdringen sich nicht gegenseitig;

4. Unveränderlichkeit: Die Eigenschaften eines Objekts (wie etwa die Form) ändern sich nicht;

5. Gerichtete Trägheit: Die Bewegungsbahn eines Objekts entspricht dem Trägheitsprinzip.

Ist jedes davon leicht verständlich? Ja, das sind Konzepte des gesunden Menschenverstands, die wir leicht verstehen und akzeptieren können.

Wenn der Fallvorgang des Schlüssels unserem gesunden Menschenverstand widerspricht, z. B. indem er in der Luft schwebt, durch den Tisch geht, hoch vom Tisch abprallt oder sich sogar in Flüssigkeit verwandelt, dann werden die Dinge unsere Erwartungen übertreffen und seltsam werden.

Jeder wird von diesem bizarren Vorfall überrascht sein. Sogar drei Monate alte Babys reagieren überrascht auf solche Verstöße gegen die intuitive Physik, eine Überraschungsreaktion, die als „Visasion of Expectations“-Effekt (VoE-Effekt) bekannt ist.

In Bezug auf die Frage, ob das Verständnis von der Welt bei Kleinkindern mit dem von Erwachsenen identisch ist, gibt es eine Kontroverse über „angeboren“ und „erworben“. Viele Entwicklungswissenschaftler glauben, dass es „natürlich“ sei, während einige Gelehrte die „erworbene“ Theorie unterstützen, dass etwas aus dem Nichts entsteht.

Können wir also ein Programm entwickeln, das das Denken eines Babys simuliert und es der KI durch entsprechendes Training ermöglicht, wie ein Baby zu denken?

Wie kann man KI trainieren, wie ein Baby zu denken?

Um diese kontroverse Frage von „Natur“ und „Erziehung“ zu untersuchen, haben Piloto et al. nutzte das Simulationssystem PLATO, um zu testen, ob Deep-Learning-Systeme durch Lernen aus visuellen Animationen ein Verständnis für intuitive Physik erlangen können.

Wenn die Theorie der „Erziehung“ richtig ist, dann liegt der Schlüssel zur intellektuellen Entwicklung in der Ausbildung durch die Verarbeitung großer Mengen an Erfahrung und Daten.

Das PLATO-Simulationssystem besteht aus zwei Modulen: einem Feedforward-Wahrnehmungsmodul (links) und einem Schleifendynamik-Prädiktormodul (rechts). Im Feedforward-Wahrnehmungsmodul wird das Bild durch den Encoder in einen Satz von Objektcodes umgewandelt, und die Objektcodes werden durch das Decodermodul in das Bild des Objekts decodiert. Der Unterschied zwischen den rekonstruierten und den Originalbildern wird verwendet, um die Parameter des Encoders und Decoders zu trainieren. Im zyklischen dynamischen Modul sagt das dynamische Modul den Zustand des Objekts im nächsten Moment durch einen vortrainierten Decoder voraus.

Diese Studie verwendete überraschend wenige Trainingsdaten, bescherte der KI jedoch einen stabilen Erwartungsverletzungseffekt. Das PLATO-Simulationssystem zeigt robuste (d. h. stabile) VoE-Effekte in Situationen, die über 5 intuitive physikalische Konzepte hinausgehen. Dies könnte einige Konzepte der intuitiven Physik erklären, aber der Effekt entspricht nicht ganz dem, was bei Babys zu beobachten ist.

Die Studie kam zu dem Ergebnis, dass die Erfahrung mit visuellen Animationen zwar einen wichtigen Beitrag zur intellektuellen Entwicklung leistet, jedoch nicht ausreicht, um die Phänomene zu erklären, die wir bei Kleinkindern beobachten.

Mit anderen Worten: Die intellektuelle Entwicklung beruht nicht ausschließlich auf „erworbenen“ Erfahrungen und Daten. Für die volle Intelligenz ist eine gewisse angeborene Wahrnehmung erforderlich und diese Forschung stellt einen interessanten Mittelweg zwischen den Denkschulen „Natur“ und „Erziehung“ dar.

Als die Videos physikalisch unmöglich wurden, verstärkten sich die überraschten Ausdrücke der KI deutlich.

Darüber hinaus kann das PLATO-Simulationssystem Erwartungen, die mit der intuitiven Physik übereinstimmen, auf eine Reihe von Objekten und Ereignissen verallgemeinern, die sich von denen im Training unterscheiden. Zweitens konnte das Simulationssystem trotz relativ geringem Training mit visuellen Animationen erfolgreich Lernprozesse demonstrieren, eine Eigenschaft, die mit der in Studien mit Kleinkindern beobachteten vergleichbar ist.

Es ist ersichtlich, dass die Forscher durch die Integration der Arbeit der Simulationsmodellierung mit Schlüsselfragen der Entwicklungspsychologie unerwartete Ergebnisse und Schlussfolgerungen erzielten.

Derzeit weitet das Forschungsteam die Untersuchung des Erwartungsverletzungseffekts auf das Gebiet der Neurophysiologie aus, was neue Möglichkeiten für nachfolgende Forschungen eröffnen und mehr Möglichkeiten für die Entwicklung von KI bieten könnte.

Verweise

1. Kann ein Computer wie ein Baby denken? Naturnachrichten.

2. Intuitives Physiklernen in einem von der Entwicklungspsychologie inspirierten Deep-Learning-Modell. https://doi.org/10.1038/s41562-022-01394-8.

Besondere Tipps

1. Gehen Sie zur „Featured Column“ unten im Menü des öffentlichen WeChat-Kontos „Fanpu“, um eine Reihe populärwissenschaftlicher Artikel zu verschiedenen Themen zu lesen.

2. „Fanpu“ bietet die Funktion, Artikel nach Monat zu suchen. Folgen Sie dem offiziellen Account und antworten Sie mit der vierstelligen Jahreszahl + Monat, also etwa „1903“, um den Artikelindex für März 2019 zu erhalten, usw.

Copyright-Erklärung: Einzelpersonen können diesen Artikel gerne weiterleiten, es ist jedoch keinem Medium und keiner Organisation gestattet, ihn ohne Genehmigung nachzudrucken oder Auszüge daraus zu verwenden. Für eine Nachdruckgenehmigung wenden Sie sich bitte an den Backstage-Bereich des öffentlichen WeChat-Kontos „Fanpu“.