Ονομάζεται «PLATO» και είναι το πρώτο σύστημα Τεχνητής Νοημοσύνης που είναι ικανό να μαθαίνει και να επιδεικνύει βασικές ικανότητες κοινού νου για τα υλικά αντικείμενα του φυσικού κόσμου, κάτι ανάλογο με τις ικανότητες κοινού νου που αναπτύσσουν τα πολύ μικρά παιδιά τεσσάρων μηνών, όταν μαθαίνουν εμπειρικά να αναγνωρίζουν κάποιες προφανείς πολύ απλές φυσικές ιδιότητες των αντικειμένων που υπάρχουν γύρω τους.
Σύμφωνα με το εκτενές άρθρο που μόλις δημοσιεύτηκε στο έγκυρο επιστημονικό περιοδικό «Nature Human Behaviour», το νέο μαθησιακό σύστημα Τεχνητής Νοημοσύνης βασίζεται σε μια σειρά από αρκετά περίπλοκους αλγορίθμους και υπολογιστικά προγράμματα που δημιουργήθηκαν από μια ερευνητική ομάδα που συντόνιζε ο πρωτοπόρος Luis Piloto στη βρετανική DeepMind (θυγατρική εταιρεία της Google).
Χάρη στην ύπαρξη του ανθρώπινου κοινού νου, όλοι ξέρουμε ότι αν αφήσουμε μια μπάλα που κρατάμε, αυτή θα πέσει στη γη, ή ότι ένα μάτσο κλειδιά που τα ακουμπάμε πάνω σε ένα τραπέζι δεν θα διαπεράσουν ποτέ την επιφάνειά του. Πρόκειται για μια ικανότητα που εντοπίζεται ήδη κατά τον τέταρτο μήνα, όταν τα βρέφη, που παρατηρούν επίμονα και πιάνουν με περιέργεια όλα τα κοντινά αντικείμενα για να τα γνωρίσουν καλύτερα, εκφράζουν μεγάλη έκπληξη όταν ένα αντικείμενο δεν συμπεριφέρεται με τον αναμενόμενο τρόπο, όταν π.χ. κάτι εμφανίζεται ή εξαφανίζεται ξαφνικά από το οπτικό τους πεδίο.
Ωστόσο, το να προγραμματίσουμε ένα υπολογιστικό σύστημα Τεχνητής Νοημοσύνης να μαθαίνει κατ’ αυτόν τον επίπονο τρόπο, δηλαδή το να του διδάξουμε πώς να αποκτήσει κοινό νου μέσω δοκιμών και λαθών, δεν είναι καθόλου εύκολο. Εξάλλου, ακόμη και τα πιο σύγχρονα και ισχυρά υπολογιστικά συστήματα δεν είναι σε θέση να το κάνουν και παρά την ασύληπτη υπολογιστική τους δύναμη δεν μπορούν να αναπτύξουν ούτε καν τον κοινό νου των βρεφών!
Υπολογιστική νοημοσύνη με γνωστικές προσδοκίες;
Ο Luis Piloto και οι συνεργάτες του στην DeepMind, αφού δοκίμασαν ανεπιτυχώς τις συνήθεις μεθόδους προγραμματισμού εκ των προτέρων των νοητικών ικανοτήτων, κατέφυγαν σε μια εναλλακτική και, απ’ ό,τι φαίνεται, πολύ πιο αποτελεσματική προσέγγιση: να εκπαιδεύσουν ένα σύστημα Τεχνητής Νοημοσύνης προβάλλοντάς του σειρά από βίντεο που έδειχναν ψηφιακά μπαλάκια να πέφτουν, να κυλάνε στο έδαφος ή να κινούνται γύρω από άλλα αντικείμενα, μπαλάκια που συγκρούονται μεταξύ τους ή που εξαφανίζονται ξαφνικά.
Μετά από αυτή την πρώτη φάση εκπαίδευσης, ακολουθούσε μια δεύτερη φάση όπου παρουσίασαν στο υπολογιστικό σύστημα νέα βίντεο, μερικά από τα οποία έδειχναν μόνο μη ρεαλιστικές σκηνές με μπαλάκια που έκαναν εντελώς αφύσικες κινήσεις, όπως π.χ. το να περνάνε «μαγικά» μέσα από υλικά εμπόδια. Οταν ολοκληρώθηκαν αυτές οι δύο εκπαιδευτικές φάσεις, το νέο σύστημα Τεχνητής Νοημοσύνης είχε πλέον μάθει να αναγνωρίζει και να διακρίνει σαφώς τις φυσικές από τις αφύσικες κινήσεις και, γεγονός ακόμη πιο εντυπωσιακό, να εκδηλώνει έκπληξη όταν του προέβαλλαν βίντεο με μπαλάκια που εκτελούσαν εντελώς αφύσικες ή απαγορευμένες «μαγικές» κινήσεις.
Χάρη σε αυτή τη νέα εκπαιδευτική στρατηγική, δημιούργησαν το «PLATO» (Physics Learning through Auto-encoding and Tracking Objects), το πρώτο σύστημα Τεχνητής Νοημοσύνης που φαίνεται ικανό να επιδεικνύει έναν στοιχειώδη κοινό νου, παρόμοιο με αυτόν που διαθέτουν τα ανθρώπινα βρέφη, αφού, όπως αυτά, το PLATO είναι σε θέση να εκδηλώνει έκπληξη απέναντι στα «αφύσικα» γεγονότα. Γεγονός που δείχνει ότι έχει αποκτήσει ανθρώπινου τύπου γνωστικές προκαταλήψεις για τα μη αναμενόμενα και άρα αφύσικα φαινόμενα.
-320x213.jpg)
