Когда дело доходит до определения того, что мотивирует действия человека, дети превосходят современные алгоритмы искусственного интеллекта. Полученные результаты подчеркивают фундаментальные различия между вычислениями и человеческим познанием, указывая на недостатки в современном машинном обучении и определяя, где необходимы улучшения, чтобы ИИ полностью воспроизводил поведение человека.
Дети превосходят искусственный интеллект в определении того, что мотивирует действия других людей, говорится в новом исследовании, проведенном группой исследователей в области психологии и науки о данных.
Эти результаты, которые подчеркивают фундаментальные различия между познанием и вычислениями, указывают на недостатки современных технологий и на то, где необходимы улучшения, чтобы ИИ более полно воспроизводил поведение человека.
“Взрослые и даже дети могут легко делать надежные выводы о том, что движет действиями других людей”, - объясняет Мойра Диллон, доцент кафедры психологии Нью-Йоркского университета и старший автор статьи, которая появляется в журнале Cognition. “Современному ИИ сложно делать такие выводы”.
“Новая идея поставить детей и ИИ "лицом к лицу" над одними и теми же задачами позволяет исследователям лучше описать интуитивные знания младенцев о других людях и предложить способы интеграции этих знаний в ИИ”, - добавляет она.
“Если ИИ нацелен на создание гибких, здравомыслящих мыслителей, какими становятся взрослые люди, тогда машины должны использовать те же основные способности, которыми обладают дети, в определении целей и предпочтений”, - пишет Бренден Лейк, доцент Центра науки о данных и факультета психологии Нью-Йоркского университета и один из авторов статьи.
Хорошо известно, что дети иногда очарованы другими людьми, о чем свидетельствует то, как долго они смотрят на других, наблюдая за их действиями и общаясь с ними в социальном плане. Кроме того, предыдущие исследования, посвященные “психологии здравого смысла” детей — их пониманию намерений, целей, предпочтений и рациональности, лежащих в основе действий других людей, — показали, что дети способны приписывать цели другим и ожидать, что другие будут добиваться целей рационально и эффективно. Способность делать такие прогнозы является основополагающей для социального интеллекта человека.
И наоборот, “ИИ здравого смысла”, управляемый алгоритмами машинного обучения, напрямую предсказывает действия. Вот почему, например, реклама, рекламирующая Сан-Франциско как туристическое направление, появляется на экране вашего компьютера после того, как вы прочитали новость о недавно избранном городском чиновнике в этом же городе. Однако ИИ не хватает гибкости в распознавании различных контекстов и ситуаций, которые определяют поведение человека.
Чтобы развить фундаментальное понимание различий между способностями людей и ИИ, исследователи провели серию экспериментов с 11-месячными детьми и сравнили их ответы с теми, которые были получены с помощью современных нейросетевых моделей, основанных на обучении.
Для этого они использовали ранее установленный “Тест интуиции ребенка” (BIB) — шесть задач, исследующих психологию здравого смысла. BIB был разработан для тестирования как детского, так и машинного интеллекта, позволяя сравнивать производительность младенцев и машин и, что важно, обеспечивая эмпирическую основу для создания человекоподобного ИИ.
В частности, младенцы на Zoom смотрели серию видеороликов с простыми анимированными фигурами, движущимися по экрану — похожими на видеоигру. Действия фигур имитировали поведение человека и принятие решений посредством поиска объектов на экране и других движений.
Аналогичным образом, исследователи создали и обучили модели нейронных сетей, основанные на обучении, - инструменты ИИ, которые помогают компьютерам распознавать шаблоны и имитировать человеческий интеллект, - и протестировали реакцию моделей на те же самые видеоролики.
Их результаты показали, что младенцы распознают человеческие мотивы даже в упрощенных действиях анимированных фигур. Младенцы предсказывают, что эти действия обусловлены скрытыми, но последовательными целями — например, поиском на экране одного и того же объекта независимо от того, в каком месте он находится, и эффективным перемещением этой формы даже при изменении окружающей среды.
Принятие этой “парадигмы удивления” для изучения машинного интеллекта позволяет проводить прямые сравнения между количественной мерой алгоритма и общепринятой психологической мерой удивления человека - временем, которое младенцы смотрят.
Модели не показали таких доказательств понимания мотивов, лежащих в основе таких действий, показывая, что им не хватает ключевых основополагающих принципов психологии здравого смысла, которыми обладают младенцы.
“Фундаментальные знания человеческого младенца ограничены, абстрактны и отражают наше эволюционное наследие, но они могут соответствовать любому контексту или культуре, в которых этот младенец может жить и учиться”, - отмечает Диллон.
Оригинальное исследование: открытый доступ.
“Психология здравого смысла у человеческих младенцев и машин” Гала Стойнич и др. Познание перевод А. Юртаев
