USC Informacijos mokslų instituto tyrimai rodo, kaip dirbtinis intelektas gali išmokti analoginio mąstymo iš pasakų. Kreditas: Chris Kim for USC Jei draugas pasakytų, kad jaučiasi mėlynas, ar pagalvotumėte, kad jis keičia spalvą?
Nors šis klausimas gali pasirodyti juokingas, jis suteikia paprastą įžangą į turtingą analoginio samprotavimo pasaulį – įrankį, leidžiantį žmonėms apibendrinti žinias iš pažįstamų į naujas situacijas. Su tuo susiduriame įvairiose srityse – nuo politikos iki medicinos; tai mūsų kasdienio pažinimo pagrindas. Jis gali būti toks paprastas, kaip vaiko mėtomas paplūdimio kamuolys, kurį jis atpažįsta kaip panašų į krepšinio kamuolį, ir toks sudėtingas, kaip gydytojo naudojimasis ankstesnių atvejų tyrimais, kad nustatytų paciento priežiūros planą.
Dabar USC Informacijos mokslų instituto (ISI) tyrėjai šį mąstymo procesą pritaiko ir mašinoms.
Naujajame straipsnyje „Naratyvų supratimas pasitelkiant analogijos dimensijas”, pristatytame seminare „Qualitative Reasoning”, kuris vyksta kartu su liepos mėnesį vykstančia Tarptautine jungtine dirbtinio intelekto konferencija 23, 2022 dirbtinis intelektas mokomas kūrybiškai kurti analogijas pasitelkiant senovinę meno formą… pasakas.
„Dirbantieji dirbtinio intelekto srityje bando dirbtinio intelekto sistemose įdiegti tokio pat lygio samprotavimus, kaip ir žmonės, ir tai tikrai sunkus uždavinys, bandant imituoti analoginius samprotavimus, kuriuos žmonės laiko savaime suprantamu dalyku”, – aiškina Jay Pujara, USC ISI tyrimų vadovas ir USC Viterbi inžinerijos mokyklos docentas.
Šiuo metu vyraujanti dirbtinio intelekto paradigma yra mašininis mokymasis, kuris remiasi turimų žinių taikymu naujoms situacijoms. Ši sistema negali palaikyti analoginio samprotavimo, todėl tyrėjams iškilo didelis iššūkis. Iš dalies taip yra todėl, kad analoginis samprotavimas labai priklauso nuo reliacinio mąstymo, kuriuo žmonės įžvelgia prasmingus ryšius tarp daiktų ar situacijų, neturinčių paviršinių panašumų
Pavyzdžiui, nepaisant akivaizdžių vasaros ir žiemos skirtumų, galima pagrįstai daryti išvadą, kad toliau pateikta žodžių pora yra analogiška: „Saulė vasarai yra kaip sniegas žiemai” Iš esmės analoginis samprotavimas suvienija skirtingas sąvokas, taip leisdamas mums išgauti prasmę iš nesuskaičiuojamos daugybės dirgiklių, su kuriais susiduriame kasdien. Taigi, užuot išvedę sąsajas tik iš išvaizdos, galime kūrybiškai susieti esamus ir naujus scenarijus.
Kadangi dirbtinio intelekto modeliams trūksta analoginio samprotavimo mechanizmų, jiems sunku suprasti, paaiškinti ar apibendrinti naujus stimulus. Sukūrus technologiją su analoginio samprotavimo galimybėmis, dirbtiniai intelektai galėtų įvertinti kalbos svarbą ir reikšmes, o tai turi daugybę realaus pritaikymo galimybių. Į žmogų panašius pokalbio ir aiškinimo gebėjimus turintis dirbtinis intelektas galėtų būti naudojamas mokant studentus naujų sąvokų arba kuriant naujus produktus, remiantis vartotojų rinkodaros duomenimis. Tokie dirbtiniai intelektiniai robotai turėtų transformuojantį poveikį visuomenei, pavyzdžiui, palengvintų eismo sąlygas, nes analizuodami dabartinės infrastruktūros trūkumus sukurtų patobulintus greitkelių modelius
Ankstesniuose tyrimuose dirbtinių intelektinių robotų, gebančių kurti analogijas, kūrimas nebuvo sėkmingas. Tačiau ši technologija nesugebėjo suprasti tokių analogijų pasekmių ir negalėjo daryti didelio masto apibendrinimų. USC komanda sprendė šią problemą, eksperimentuodama su įvairiais metodais, kad išmokytų dirbtinį intelektą suprasti analogijas, esančias Ezopo pasakėčiose – paprastų trumpų istorijų, kuriose perteikiamos moralinės idėjos, rinkinyje. Naudodami natūralios kalbos apdorojimo (NLP) metodus, jie analizavo pasakėčias, kad sukurtų istorijų poras, remdamiesi leksiniais ir semantiniais panašumais arba tekste esančiais žodžiais ir reikšmėmis
Saidas Pujara sako, kad „pasirinkome trumpas istorijas su moraliniu tikslu, nes dažnai galima rasti daugybę pasakėčių, kurių pabaigoje yra tas pats moralinis tikslas ir žinutė, tačiau jos pasakojamos labai skirtingais būdais. Taigi tai reiškia, kad egzistuoja semantinė pasakos prasmė, kuri labai skiriasi nuo paviršinės jos formos, ir žmonės gali įžvelgti šias sąsajas.”
Nors žmonės atpažįsta, kad ta pati godumo tema sieja pasakas apie lapę, kuri vagia, ir pirklį, kuris kaupia, tyrimo metu nustatyta, kad dirbtinio intelekto sistemoms buvo sunku nustatyti šias analogijas.
„Nors mūsų sukurti metodai galėtų būti naudojami analoginėms struktūroms kurti, pastarojo meto NLP pasiekimų vis dar nepakanka, kad būtų pasiektas žmogaus lygio tikslumas, – aiškina Thiloshon Nagarajah, straipsnio bendraautorė, USC Viterbi kompiuterių mokslo magistrantė. Nepaisant to, komandai pavyko katalogizuoti skirtingus būdus, kuriais žmonės traktuoja analogijas, o tai yra daug žadantis žingsnis siekiant tikslo sukurti dirbtinį intelektą, turintį analoginio samprotavimo gebėjimų.
Antroji tyrimo išvada buvo ta, kad patys tyrėjai, nustatydami, ar konkrečios istorijos sudaro analoginę porą, turėjo giliai įsitraukti vienas į kitą. Paaiškėjo, kad analoginis samprotavimas yra subjektyvesnė ir interpretatyvesnė erdvė, nei tikėtasi, o tai „rodo, kad yra ir kitų reiškinių, kurie šiame darbe nebuvo iki galo ištirti”, – sakė kitas bendraautorius, USC Viterbi universiteto docentas Filipas Ilievskis (Filip Ilievski) –
Vienas iš tokių reiškinių yra ankstesnių žinių įtaka analoginio samprotavimo užduotims. Kai žmogus susiduria su nauja situacija, jis naudojasi savo asmenine patirtimi, kad susietų nežinomus dalykus su žinomais. Kadangi kiekvienas žmogus turi unikalų žinių ir įgūdžių repertuarą, analoginis samprotavimas neišvengiamai skiriasi priklausomai nuo žmogaus. Ilievskis siūlo, kad toliau tyrinėjant žmogaus analoginio samprotavimo niuansus galima įgyvendinti pakeitimus, kurie pagerintų dirbtinio intelekto technologijų kūrimą
Šis tyrimas yra daug žadanti pradžia kuriant dirbtinį intelektą su analoginio samprotavimo galimybėmis. Tokios dirbtinio intelekto technologijos naudingumas gerokai pranoksta trumpų istorijų kūrimą – ji gali pagerinti visas sritis, pradedant švietimu ir viešąja politika, baigiant menu ir miestų dizainu.
Daugiau informacijos: Understanding Narratives through Dimensions of Analogy, arXiv: 2206.07167 [cs.AI] arxiv.org/abs/2206.07167
Konferencija: ijcai-22.org/
Examining what machines can learn from fables (2022, July 25) gauta 30 July 2022 iš https://techxplore.com/news/2022-07-machines-fables.html
Šiam dokumentui taikomos autorių teisės. Be raštiško leidimo negalima atgaminti jokios jo dalies, išskyrus atvejus, kai ji naudojama asmeninėms studijoms ar moksliniams tyrimams. Turinys pateikiamas tik informaciniais tikslais.