Q:
Pourquoi les ingénieurs IA doivent-ils se soucier des "moteurs intuitifs"?
UNE:L'idée de l'intuition humaine est désormais un élément majeur du travail révolutionnaire de l'intelligence artificielle - c'est pourquoi les ingénieurs de l'IA accordent autant d'attention aux «moteurs intuitifs» et à d'autres modèles similaires. Les scientifiques tentent de briser le processus de l'intuition humaine et de le simuler avec des entités d'intelligence artificielle. Cependant, en explorant le fonctionnement de la logique et de l'intuition dans les réseaux de neurones et d'autres technologies d'IA, la définition de l'intuition elle-même devient quelque peu subjective.
L'un des meilleurs exemples est l'utilisation d'un nouveau supercalculateur talentueux pour battre les champions humains dans le jeu de Go - un jeu qui est souvent décrit comme quelque peu intuitif, même s'il repose également sur une logique stricte. Depuis AlphaGo de Google a battu les joueurs humains experts, il y a beaucoup de spéculations sur la façon dont les ordinateurs sont à l'intuition de style humain. Cependant, si vous regardez la structure du jeu de Go, vous voyez qu'il y a beaucoup à déterminer dans la construction réelle de ces technologies pour comprendre combien elles comptent sur l'intuition et combien elles comptent sur des modèles logiques étendus.
Dans un jeu de Go, un humain peut bien placer un mouvement basé sur une perception intuitive ou une logique à long terme ou un mélange des deux. De la même manière, les ordinateurs peuvent créer des modèles Go-play experts basés sur des modèles logiques étendus qui peuvent refléter ou simuler le jeu intuitif dans une certaine mesure. Donc, en parlant de la qualité des ordinateurs dans les modèles intuitifs, il est important de définir l'intuition, ce que la communauté scientifique n'a pas entièrement fait.
Mary Jolly de l'Université de Lisbonne note différentes opinions sur les définitions de l'intuition dans un article intitulé «Le concept de l'intuition en intelligence artificielle».
«Il n'y a pas de consensus parmi les chercheurs sur la définition du concept», écrit Jolly. «Jusqu'à récemment, l'intuition ne cédait pas à des méthodes scientifiques rigoureuses et, souvent associée au mysticisme, était habituellement évitée par les chercheurs. Jusqu'à présent, le discours sur le sujet a manqué de cohérence et de méthode. »
Si le concept d'intuition est lui-même intrinsèquement vague, la mesure de l'efficacité de l'intelligence artificielle dans la simulation d'intuition sera encore plus problématique.
Une explication par les auteurs d'un article intitulé «Implémentation d'un mécanisme d'intuition de type humain dans l'intelligence artificielle» suggère ce qui suit:
L'intuition humaine a été simulée par plusieurs projets de recherche utilisant des techniques d'intelligence artificielle. La plupart de ces algorithmes ou modèles n'ont pas la capacité de gérer les complications ou les détournements. De plus, ils n'expliquent pas non plus les facteurs qui influencent l'intuition et la précision des résultats de ce processus. Dans cet article, nous présentons un modèle basé sur des séries simples pour la mise en œuvre de l'intuition de type humain en utilisant les principes de connectivité et d'entités inconnues.
Pour un examen peut-être plus concret du processus de l'intuition humaine, un article de Wired cite la recherche du MIT pour expliquer le «moteur physique intuitif» de l'esprit humain - qui explique ce qui se passe lorsque nous regardons une pile d'objets. Nous pouvons intuitivement comprendre si les objets sont susceptibles de tomber ou s'ils sont stables ou stables, mais cette intuition est basée sur des règles logiques étendues que nous avons internalisées au fil du temps, ainsi que sur nos modèles de vision directe et de perception.
L'écrivain Joi Ito souligne que les systèmes dans lesquels nous utilisons intuitivement nos moteurs physiques sont «bruyants» et nous sommes capables de filtrer ce bruit. Cela a été une grande partie du développement de l'intelligence artificielle - extraire du sens à partir de modèles bruyants. Cependant, ces modèles doivent aller beaucoup plus loin pour vraiment faire les types de prédictions et d'analyses que les humains peuvent appliquer à des systèmes complexes.
Une façon simple de le dire est que pour atteindre ce résultat, les ordinateurs devraient mélanger une vision sophistiquée avec une logique étendue et une cognition perceptive d'une manière qu'ils ne peuvent pas actuellement. Une autre façon de l'expliquer est que nous considérons le cerveau humain comme une «boîte noire» qui n'a pas été entièrement inversée par la technologie. Bien que nos technologies soient hautement capables de produire des résultats intelligents, elles ne peuvent pas encore simuler l'activité puissante, mystérieuse et étonnante du cerveau humain lui-même.
