上个月,一队自学成才的AI玩家在一场备受期待的银河混战中输给了人类专业人士。作为…的一部分发生的国际Dota 2锦标赛在加拿大温哥华,这个游戏表明,在更广泛的战略思维和合作中,人类仍然占据上风。

人工智能是由Elon Musk支持非营利OpenAI。集体被称为OpenAI五在美国,这些算法利用强化学习自学如何从零开始玩游戏并相互协作。

不像象棋或围棋,快节奏的多人游戏队伍2人们认为电脑玩电子游戏要困难得多。复杂性只是其中的一部分——这里的关键是让一组人工智能算法开发出一种“常识”,一种关于其他人计划做什么的直觉,并以某种方式对共同的目标做出回应。

“人工智能的下一件大事是协作,”王军博士,伦敦大学学院。然而今天,即使是最先进的深入学习算法这种类型的战略推理需要理解其他人的动机和目标——不管是另一个人工智能还是人类。

什么人工智能王说,需求是一种深层沟通技巧,源于人类重要的认知能力:心智理论。

模拟心智理论

四岁孩子们通常开始掌握社会中的一个基本原则:他们的头脑和别人的头脑不同。他们可能有不同的信仰、欲望、情感和意图。

最关键的部分是:通过设身处地为他人着想,他们可能会开始预测他人的行为。在某种程度上,他们的大脑开始大量模拟他们自己、其他人和他们的环境。

通过让我们大致了解他人的心理,心理理论对人类的认知和社会互动至关重要。它是我们有效沟通和为共同目标而合作的能力的背后。它甚至是错误信念背后的驱动力——人们形成的观念,即使它们偏离了客观真理。

当心智理论崩溃的时候,比如自闭症——讲故事和想象力等“人类”的基本技能也会退化。

在西英格兰大学(University of West England)机器人伦理学教授艾伦·温菲尔德(Alan Winfield)看来,心智理论是最终让人工智能“理解”人、物和其他机器人需求的秘密武器。

他说:“在机器人体内植入模拟装置的想法……是让机器人真正预测未来的一种非常巧妙的方式。

不同于机器学习,多层神经网络提取模式并从大型数据集“学习”,温斯顿提倡的是完全不同的东西。人工智能将不再依赖学习,而是被预先编程为自身和世界的内部模型,从而能够回答简单的“假设”问题。

例如,当一个机器人在一个狭窄的走廊上迎击时,AI可以模拟向左转弯、向右转弯或继续前进,并决定哪个动作最有可能避免碰撞。这个内部模型本质上就像一个“结果引擎”,温斯顿说,这是一种“常识”,通过预测周围其他人的行为来帮助指导它的行动。

一篇论文温斯顿展示了一个机器人原型,实际上可以实现这一目标。通过预测周围其他人的行为,机器人成功地在走廊中穿行,没有发生碰撞。这并不是什么新鲜事——事实上,“正念”机器人完成旅程的时间比没有模拟的情况多出50%以上。

但对温斯顿来说,这项研究证明了他的内部模拟是有效的:[它]是“人工心智理论发展的一个强大而有趣的起点,”他总结道。

温斯顿希望最终赋予AI一种讲故事的能力。AI拥有的内部模型能够让它模拟不同的场景,并且最重要的是,它能够讲述一个关于它当时的意图和目标的故事。

这与深度学习算法截然不同,后者通常无法解释它们是如何得出结论的。深度学习的“黑盒”模型是在这些系统中建立信任的可怕绊脚石;这个问题在医院里的护理机器人或老人身上尤为明显。

拥有心智理论的人工智能可以模拟人类同伴的心智,梳理出他们的需求。然后,它可以确定适当的反应,并为这些行为向人类辩护之前作用于他们。不确定性越少,信任就越多。

神经网络中的心智理论

DeepMind采用了一种不同的方法:他们开发了一系列显示某种心智理论的神经网络,而不是预先编程的结果引擎。

人工智能。”ToMnet,可以观察其他神经网络的动作并从中学习。ToMNet是三个神经网络的集合:第一个基于其他人工智能过去行为的“犯罪记录”来推测其倾向。第二种是他们当前的心理状态——他们在某个特定时刻的信念和意图——的总体概念。两个网络的输出然后输入第三个网络,根据情况预测人工智能的行动。与其他深度学习系统类似,ToMnet会随着经验的积累而变得更好。

在一个实验中ToMnet“看着”三个人工智能特工在房间里收集彩色盒子。人工智能有三种类型:一种是盲的,它不能计算出房间的形状和布局;另一个被遗忘的;这些人很难记住最后的步骤。第三个既能看又能记。

在训练之后,ToMnet开始通过观察人工智能的动作来预测它的风格——例如,盲人倾向于沿着墙壁移动。它还能正确预测人工智能未来的行为,而且最重要的是,它能理解人工智能何时持有错误信念。

例如,在另一项测试中,该团队将一个人工智能编程为近视眼,并改变了房间的布局。视力较好的探员很快适应了新的布局,但近视的人坚持原来的路线,错误地认为他们仍在旧的环境中航行。ToMnet梳理了这一怪癖,通过(本质上)穿上近视人工智能的数字鞋,准确地预测了结果。

Alison Gopnik博士是加州大学伯克利分校的一位发展心理学家,他没有参与这项研究,结果显示神经网络具有通过观察他人自学技能的惊人能力。但现在说这些人工智能已经发展出一种人工心智理论还为时过早。

ToMnet的“理解能力”与它的训练环境紧密相连——房间,人工智能等,麻省理工学院的Josh Tenenbaum博士解释道,他没有参与这项研究。与儿童相比,这种约束使ToMnet在全新环境下预测行为的能力大大降低。它还会努力模拟截然不同的AI或人类的行动。

但温斯顿和DeepMind的努力都表明,计算机正开始相互“理解”,即使这种理解还很初级。

随着它们继续更好地理解彼此的思想,它们也越来越接近于解剖我们的思想——尽管我们可能是混乱而复杂的。

图片来源:浸没式图像/Shutterstock.com

范雪来,神经科学家,科学作家。她在不列颠哥伦比亚大学(University of British Columbia)完成了神经科学博士学位,在那里她开发了神经退化的新疗法。在研究生物大脑的过程中,她迷上了人工智能和所有的生物技术。毕业后,她搬到加州大学旧金山分校(UCSF)研究让衰老大脑恢复活力的血液因子。她是…

跟雪莉: