Is deze AI het ontwikkelen van een gevoel van de tijd?

Op welke manier kan men spreken van een computer met het ontwikkelen van een gevoel van de tijd? Dat is een intrigerende vraag, voorgesteld door een nieuw onderzoek van de Ruprecht-Karls-Universität in Heildelberg en samenwerkende instellingen die het probeert te maken in een neuraal netwerk de “pijl van de tijd.”

De pijl van de tijd, is bedacht door de astronoom Arthur Eddington, is het idee dat de tijd heeft een richting, een zin die de stand van zaken in de overgang van de ene naar de andere langs een traject, en niet omgekeerd dat traject. Je zou denken van kloppen over een vaas uit een tabel. Met de vaas liggen in stukken op de vloer, de voorafgaande toestand, waar het intact op de tafel, is nu onbereikbaar is, geven mensen een gevoel van de tijd van de passage.

Kan een computer worden begiftigd met het feit dat over de fysieke wereld?

Leiden auteur Nasim Rahman en collega ‘ s ontwikkelden een neuraal netwerk wijzigt wat bekend staat als reinforcement learning, de uitoefening van activiteiten die leiden tot de doelen. Het netwerk berekent de waarschijnlijkheid dat een bepaalde stand van zaken leidt naar een andere, het proces is waarschijnlijk niet worden teruggeboekt naar de eerdere toestand.

Zo schrijven ze, “Wij mensen lijken een aangeboren begrip van het asymmetrische verloop van de tijd, die we gebruiken om efficiënt en veilig waarnemen en manipuleren van ons milieu.

Rahman et al. het berekenen van de “h-potentieel” in een spel waar een auto is verplaatst over een berg landschap. De aanwezigheid van wrijving in de auto ‘s vooruitgang leidt tot afvoer in het model van het spel, vertegenwoordigd als de heldere rode h-potentiaal op een bepaalde plaats in de auto’ s positie en snelheid.

Rahman et al. 2019

“We vragen of en hoe deze eigenschappen kunnen worden benut om te leren een voorstelling die functioneel bootst ons begrip van de asymmetrische aard van de tijd.”

Het resultaat van het onderzoek is niet een gevoel van de tijd in de manier waarop we in de volksmond zeggen. In plaats daarvan, de computer is in staat om te berekenen wat de vereiste volgorde van de stand van zaken. De mogelijkheid, de auteurs, zou kunnen verbeteren reinforcement learning voor dingen zoals het maken van ervoor dat de kunstmatige intelligentie niet leiden tot onbedoelde effecten (stel je voor A. I. handelt in een medische toepassing.)

Ook: IBM AI vliegt heen en weer door de tijd in Flappy Vogel

Het papier, “het Leren van de Pijl van de Tijd,” is geplaatst op de arXiv pre-print-server, en is co-auteur van Rahman, die in het bezit van meerdere afspraken bij de Ruprecht-Karls-Universität, Montreal prestigieuze MILA instituut voor machine learning, en het Max-Planck-Instituut voor Intelligente Systemen; Steffan Wolf en Romeinse Remme van Ruprecht-Karls; en Anirudh Goyal en Yoshua Bengio van MILA. Bengio, u zult merken, is één van de drie ontvangers van dit jaar is de ACM Turing Award voor zijn prestatie in de berekening.

De auteurs gebruikten een vorm van reinforcement learning Q-Leren. Het belangrijkste onderdeel is dat in tegenstelling tot het spel van schaken of go, waar reinforcement learning wordt geholpen door het kennen van de regels van het spel, in dit werk, de regels zijn niet bekend. Een computer is ingevoerd met verschillende staten van een omgeving met geen kennis van hoe een staat kan leiden tot een andere. De computer heeft voor het berekenen van die verschillende lidstaten kan worden bereikt vanuit een ander en dat kan niet, een maatregel van de onomkeerbaarheid van het nemen van actie.

Een voorbeeld is wat bekend staat als de “2D-wereld met vazen.” De computer kan bewegen in een virtuele agent rond een raster van tegels in de richting van een doel ligt ergens in het raster. Als het beweegt, het ontmoetingen vazen op sommige van de tegels. Als het in contact komt één, de vaas die verdwijnt in het grid, die de vaas hebben gebroken door, men denkt, de virtuele agent kantelen van de vaas uit de kleine tafel. Die wijziging, de vaas verdwijnen en nooit meer terugkomen, betekent de voorafgaande toestand, een tegel met een vaas, is niet meer bereikbaar.

Verkennen op deze manier, de computer is het transformeren van het begin staat van de grid, waarbij er geen informatie over wat de staten met zich meebrengen elkaar, in een uitgebreide kaart van wat de lidstaten kunnen worden bereikt en welke staten worden onbereikbaar vanwege een gebroken vaas. In formele termen, de computer is het berekenen van een functie genaamd de “h-potentieel”, gesymboliseerd door de letter “h” in vergelijkingen, die toeneemt als hun meer lidstaten van het spel grid met gebroken vazen. Deze h-potentieel is vervolgens gebruikt voor de bouw van een “bereikbaarheid” meten, gesymboliseerd door de griekse letter “η,” ita. Bereikbaarheid dan wordt het een kwestie van rekenkracht hoe acties leiden tot de staten met een hogere h-potentieel.

Wat is AI? Alles wat je nodig hebt om knowWhat is diep leren? Alles wat je nodig hebt om knowWhat is van ‘machine learning’? Alles wat je nodig hebt om knowWhat is cloud computing? Alles wat je moet weten

Dit alles heeft een verscheidenheid van praktische toepassingen. Bijvoorbeeld, het kan een manier zijn om te bouwen van A. I. systemen met minder onbedoelde bijwerkingen, zoals in de medische voorbeeld.

Maar wat is geleerd, precies? In theorie, de auteurs laten zien dat dit model van de stand van zaken — het berekenen van de toename in h-potentieel, en de bereikbaarheid verandering, en daarom de onomkeerbaarheid van de stand van zaken — is het eens met de fundamentele natuurkunde. Speciaal, de voorspellingen van hun programma eens met de “vrije-energie-functie” van de statistische fysica, over hoe de deeltjes ondergaan Brownse beweging. U kunt denken aan natuurkunde als de “ground truth”, de “de ware pijl van de tijd”, zoals ze schrijven.

Maar er zijn andere dingen over de tijd die niet factor in hier. Bijvoorbeeld, computing bereikbaarheid niet duidelijk niets over causaliteit. Een computer is niet berekend wat als een model voor hoe vazen gebroken zijn. En een gevoel van causaliteit is misschien wel deel van een mens en het gevoel van de pijl van de tijd.

Als de auteurs schrijven in hun slotbeschouwing, “de Toekomst werk kon tekenen verbindingen naar algoritmische onafhankelijkheid van de oorzaak en het mechanisme en het verkennen van toepassingen in de causale inferentie.”

Kunstmatige Intelligentie

Minder mensen zoeken AI banen: is de markt af te koelen, of te heet om te gaan?

De gegevens die treinen AI steeds roept de vraag op AI

AI is het veranderen van de hele natuur van berekenen

Een betrouwbare AI initiatief in de EU

Een AI-neurale netwerk is het geven van katten angstaanjagende namen (CNET)

AI gemaakt 3x zo veel banen als zij doodde vorig jaar (TechRepublic)

Verwante Onderwerpen:

Digitale Transformatie

CXO

Het Internet van Dingen

Innovatie

Enterprise Software

Smart Cities