Historia e hulumtimit të Inteligjencës Artificiale (AI) në SHBA është një nga vizionet konkurruese për atë çka do të thotë të jesh inteligjent. Kur një person normal mendon se çfarë do të thotë të jesh inteligjent, ata zakonisht mendojnë të jenë në gjendje të zgjidhin lloje specifike të detyrave të vështira. A mund të luajë një kompjuter shah ose të veprojë si ekspert? A mund të japë një kompjuter përgjigjet për pyetjet e ndërlikuara që do të jepte një ekspert? Këto janë sigurisht detyra interesante dhe të vështira, por ato i japin përparësi asaj që zakonisht është e vështirë për t’u bërë nga një njeri. Megjithatë, për një kohë të gjatë, kompjuterët kanë luftuar për të kryer shumë detyra që njerëzit i konsiderojnë aq të thjeshta sa i marrin si të mirëqena.
Hulumtimet moderne mbi navigimin me dron kanë luftuar me arritjen që një dron të ndjekë një shteg në pyll vetë. Bërja e dronit për të shmangur me sukses pemët dhe për të ndjekur një shteg në pyll ishte një detyrë e vitit 2015, dhe studiuesit ishin në gjendje ta zgjidhnin atë duke mbledhur mijëra orë video nga njerëzit që ecnin nëpër një shteg dhe një konfigurim me tre kamera që e ndihmoi dronin të mësonte të korrigjohej kur devijonte nga kursi. Modeli i fundit që ishte në gjendje të fluturonte në një shteg kishte miliona parametra – miliona pjesë të vogla informacioni që duheshin mësuar për ta bërë dronin të mësonte të fluturonte siç duhet. Ne mund t’i mësojmë kompjuterët të mposhtin lojtarët më të mirë në botë në lojërat strategjike më komplekse, por është ende një sfidë aktive për t’i bërë kompjuterët të bëjnë një shëtitje në pyll.
Navigimi, rezulton, është një problem i vështirë për AI dhe mënyra se si qasemi aktualisht sfidon intuitën tonë se çfarë është inteligjenca. Inteligjenca nuk është vetëm aftësia për të bashkëvepruar me sisteme komplekse, abstrakte, si të bësh matematikë ose të luash një lojë. Është gjithashtu aftësia për t’iu përgjigjur në mënyrë përshtatëse informacioneve komplekse, që vijnë nga shqisat tuaja. Inteligjenca është të jesh në gjendje të shohësh diçka dhe të dish të identifikosh pjesët e rëndësishme të saj (kjo është një pemë, ky është shtegu, ky është një trung) dhe më pas të dish se si të veprosh në këtë informacion. A ka një trung në mes të shtegut? Ju thjesht mund ta kaloni atë.
Kjo është pjesë e asaj që psikologët e quajnë vazhdimësia perceptim-veprim. Ju kaloni nga të parët në të bërë, dhe kjo çon në shikimin e gjërave të reja, që do të thotë se ju duhet të bëni gjëra të reja.
Modern Reinforcement Learning (RL) është një mënyrë për të vendosur këtë lloj problemi në mënyrë që një kompjuter të mund të mësojë nga përvoja se si të ndërveprojë me mjedisin. Zakonisht përfshin të mësuarit e thellë mbi të dhënat e pastrukturuara, siç përshkruhet në këtë postim. Kodimi me dorë në rregullat për atë që duhet bërë më pas, bazuar në gjithçka që droni mund të shihte do të ishte një detyrë e madhe, sepse ka kaq shumë hyrje të mundshme. Çdo ndryshim në pozicionin e një gjetheje, çdo kënd i zhvendosjes në një pemë, jep një imazh të ndryshëm hyrës.
Pra, mënyra se si studiuesit i qasen kësaj tani është duke përdorur RL për të mësuar se çfarë duhet t’i kushtojnë vëmendje dhe çfarë veprimesh duhet të ndërmarrin për të lundruar. Ky proces përfshin vendosjen e një algoritmi të përgjithshëm të të mësuarit, dhënien e të dhënave të tij dhe lejimin e tij të mësojë vetë. Nuk ka asnjë ekspert që përshkruan të gjitha rregullat më të mira për të ecur në një pyll.
Ky konfigurim sugjeron që sjellja inteligjente ka të bëjë shumë më tepër me ndërveprimin me mjedisin tonë të afërt, të jemi në gjendje të mbajmë gjurmët e asaj që po ndodh rreth nesh dhe të jemi në gjendje të përgjigjemi ndërsa gjërat ndryshojnë. Ai sugjeron se koordinimi midis trupit dhe mendjes – ai cikli nga të parët në të bërit – është në të vërtetë në qendër të asaj që do të thotë të jesh inteligjent. Detyrat që ne zakonisht mendojmë se i bëjnë njerëzit e zgjuar janë në të vërtetë të lehta në krahasim me detyrat që shumica prej nesh mund t’i kryejnë lehtësisht në kohën kur arrijmë në fëmijëri. Nga këndvështrimi i dizajnimit të një inteligjence roboti, këto janë sfida të thella. Pjesa më e madhe e gjeniut njerëzor nuk është në nivelin e shpjegimit të gjërave, është në nivelin e bërjes së gjërave.
Përpjekja për të ndërtuar sisteme inteligjente na ndihmon të përsosim të kuptuarit tonë se çfarë është në të vërtetë inteligjenca. Në këtë rast, ai sugjeron disa njohuri rreth asaj se çfarë është në të vërtetë inteligjenca, dhe potencialisht si të matet ajo.
- Inteligjenca mund të ketë të bëjë me veprimin, jo vetëm me shpjegimin. Prandaj, testet e inteligjencës së së ardhmes mund të matin jo vetëm se sa mirë mund t’i përgjigjeni një pyetjeje abstrakte, por nëse mund të vazhdoni të kryeni me sukses një detyrë pasi të ndryshojë diçka rreth saj.
- Inteligjenca përfshin aftësinë për të parë. Vizioni i ekspertit përfshin të dish se çfarë të kërkosh – si të zgjedhësh informacionin përkatës në një skenë. Për shembull, mjeshtrat e shahut ishin në gjendje të mësonin përmendësh pozicionet e bordit nga lojërat reale shumë më shpejt sesa jo-ekspertët. Një mënyrë për të matur inteligjencën, pra, është të përpiqemi të kuptojmë se çfarë sheh një individ.
- Inteligjenca përfiton nga cikli shikim-veprim (perceptim-veprim) për të mbledhur informacion dhe për të eksploruar. Kur nuk dini saktësisht se çfarë të bëni, mund të ndërmerrni veprime që ju ndihmojnë në mënyrë aktive të zgjidhni konfuzionin (p.sh., është gjarpër apo shkop? Gjeni më mirë një mënyrë të kujdesshme për ta parë nga afër). Prandaj, matja e inteligjencës duhet të shikojë jo vetëm atë që dini, por atë që përpiqeni të zbuloni.
Ekzaminimi i njerëzve është mënyra tradicionale e të mësuarit rreth psikologjisë. Por krahasimi i psikologjisë së inteligjencave të tjera – si kafshët dhe, tani, kompjuterët – mund të na japë njohuri të reja dhe befasuese për mendjen.
Burimi: Psychology Today
