Al Ανθρώπινη Συμπεριφορά: Τα βρέφη ξεπερνούν την τεχνητή νοημοσύνη στην ανίχνευση των κινήτρων που υποκινούν τις πράξεις των άλλων ανθρώπων, διαπιστώνει μια νέα μελέτη από ομάδα ερευνητών ψυχολογίας και επιστήμης των δεδομένων. Τα αποτελέσματά της, τα οποία αναδεικνύουν θεμελιώδεις διαφορές μεταξύ της νόησης και του υπολογισμού, υποδεικνύουν ελλείψεις στις σημερινές τεχνολογίες και πού χρειάζονται βελτιώσεις ώστε η τεχνητή νοημοσύνη να αναπαράγει πληρέστερα την ανθρώπινη συμπεριφορά. “Οι ενήλικες και ακόμη και τα βρέφη μπορούν εύκολα να βγάλουν αξιόπιστα συμπεράσματα για το τι οδηγεί τις πράξεις των άλλων ανθρώπων”, εξηγεί η Μόιρα Ντίλον, επίκουρη καθηγήτρια στο Τμήμα Ψυχολογίας του Πανεπιστημίου της Νέας Υόρκης και επικεφαλής συγγραφέας της εργασίας, η οποία δημοσιεύεται στο περιοδικό Cognition. “Η τρέχουσα τεχνητή νοημοσύνη βρίσκει αυτά τα συμπεράσματα δύσκολα να γίνουν”. “Η καινοτόμος ιδέα να βάλουμε τα βρέφη και την ΤΝ αντιμέτωπα στις ίδιες εργασίες επιτρέπει στους ερευνητές να περιγράψουν καλύτερα τη διαισθητική γνώση των βρεφών για τους άλλους ανθρώπους και να προτείνουν τρόπους ενσωμάτωσης αυτής της γνώσης στην ΤΝ”, προσθέτει η ίδια.
“Αν η τεχνητή νοημοσύνη έχει ως στόχο να δημιουργήσει ευέλικτους, κοινούς στοχαστές, όπως γίνονται οι ενήλικες άνθρωποι, τότε οι μηχανές θα πρέπει να βασίζονται στις ίδιες βασικές ικανότητες που διαθέτουν τα βρέφη στην ανίχνευση στόχων και προτιμήσεων”, λέει ο Brenden Lake, επίκουρος καθηγητής στο Κέντρο Επιστήμης Δεδομένων και στο Τμήμα Ψυχολογίας του Πανεπιστημίου της Νέας Υόρκης NYU και ένας από τους συγγραφείς της δημοσίευσης. Είναι γνωστό ότι τα βρέφη γοητεύονται από τους άλλους ανθρώπους – όπως αποδεικνύεται από το πόσο καιρό κοιτάζουν τους άλλους για να παρατηρήσουν τις ενέργειές τους και να εμπλακούν μαζί τους κοινωνικά. Επιπλέον, προηγούμενες μελέτες που επικεντρώθηκαν στην “ψυχολογία της κοινής λογικής” των βρεφών -την κατανόηση των προθέσεων, των στόχων, των προτιμήσεων και του ορθολογισμού που διέπουν τις ενέργειες των άλλων- έχουν δείξει ότι τα βρέφη είναι σε θέση να αποδίδουν στόχους στους άλλους και αναμένουν από τους άλλους να επιδιώκουν στόχους ορθολογικά και αποτελεσματικά. Η ικανότητα να κάνουν αυτές τις προβλέψεις είναι θεμελιώδης για την ανθρώπινη κοινωνική νοημοσύνη. Αντίθετα, η “κοινή λογική τεχνητή νοημοσύνη” -που καθοδηγείται από αλγορίθμους μηχανικής μάθησης- προβλέπει άμεσα τις ενέργειες. Αυτός είναι ο λόγος για τον οποίο, για παράδειγμα, μια διαφήμιση που διαφημίζει το Σαν Φρανσίσκο ως ταξιδιωτικό προορισμό εμφανίζεται στην οθόνη του υπολογιστή σας αφού διαβάσετε μια είδηση για έναν νεοεκλεγέντα αξιωματούχο της πόλης. Ωστόσο, αυτό που στερείται η τεχνητή νοημοσύνη είναι η ευελιξία στην αναγνώριση διαφορετικών πλαισίων και καταστάσεων που καθοδηγούν την ανθρώπινη συμπεριφορά. Για να αναπτύξουν μια θεμελιώδη κατανόηση των διαφορών μεταξύ των ικανοτήτων των ανθρώπων και της ΤΝ, οι ερευνητές διεξήγαγαν μια σειρά πειραμάτων με βρέφη ηλικίας 11 μηνών και συνέκριναν τις αντιδράσεις τους με εκείνες που προκύπτουν από σύγχρονα μοντέλα νευρωνικών δικτύων που βασίζονται στη μάθηση. Για να το κάνουν αυτό, χρησιμοποίησαν το ήδη καθιερωμένο “Σημείο αναφοράς για τις διαισθήσεις του μωρού” “Baby Intuitions Benchmark” (BIB) – έξι εργασίες που διερευνούν την κοινή ψυχολογία της κοινής λογικής. Το “Σημείο αναφοράς για τις διαισθήσεις του μωρού” BIB σχεδιάστηκε έτσι ώστε να επιτρέπει τη δοκιμή τόσο της νοημοσύνης των βρεφών όσο και των μηχανών, επιτρέποντας τη σύγκριση των επιδόσεων μεταξύ βρεφών και μηχανών και, σημαντικά, παρέχοντας μια εμπειρική βάση για τη δημιουργία τεχνητής νοημοσύνης που μοιάζει με ανθρώπινη.
Συγκεκριμένα, τα βρέφη στο Zoom παρακολούθησαν μια σειρά από βίντεο με απλά κινούμενα σχήματα που κινούνταν στην οθόνη – παρόμοια με ένα βιντεοπαιχνίδι. Οι ενέργειες των σχημάτων προσομοίαζαν την ανθρώπινη συμπεριφορά και τη λήψη αποφάσεων μέσω της ανάκτησης αντικειμένων στην οθόνη και άλλων κινήσεων. Παρομοίως, οι ερευνητές κατασκεύασαν και εκπαίδευσαν μοντέλα νευρωνικών δικτύων με γνώμονα τη μάθηση -εργαλεία AI που βοηθούν τους υπολογιστές να αναγνωρίζουν μοτίβα και να προσομοιώνουν την ανθρώπινη νοημοσύνη- και δοκίμασαν τις αντιδράσεις των μοντέλων στα ίδια ακριβώς βίντεο. Τα αποτελέσματά τους έδειξαν ότι τα βρέφη αναγνωρίζουν κίνητρα που μοιάζουν με ανθρώπινα ακόμη και στις απλοποιημένες ενέργειες κινούμενων σχημάτων. Τα βρέφη προβλέπουν ότι αυτές οι ενέργειες καθοδηγούνται από κρυμμένους αλλά συνεπείς στόχους – για παράδειγμα, την ανάκτηση του ίδιου αντικειμένου στην οθόνη ανεξάρτητα από τη θέση στην οποία βρίσκεται και την αποτελεσματική μετακίνηση αυτού του σχήματος ακόμη και όταν το περιβάλλον αλλάζει. Τα βρέφη καταδεικνύουν αυτές τις προβλέψεις μέσω της μεγαλύτερης διάρκειας αναζήτησης τέτοιων γεγονότων που παραβιάζουν τις προβλέψεις τους – μια κοινή και εδώ και δεκαετίες μέτρηση για τη μέτρηση της φύσης της γνώσης των βρεφών. Η υιοθέτηση αυτού του “παραδείγματος έκπληξης” για τη μελέτη της μηχανικής νοημοσύνης επιτρέπει άμεσες συγκρίσεις μεταξύ του ποσοτικού μέτρου έκπληξης ενός αλγορίθμου και ενός καθιερωμένου ανθρώπινου ψυχολογικού μέτρου έκπληξης – του χρόνου αναζήτησης των βρεφών. Τα μοντέλα δεν έδειξαν καμία τέτοια ένδειξη κατανόησης των κινήτρων που διέπουν τέτοιες ενέργειες, αποκαλύπτοντας ότι τους λείπουν βασικές θεμελιώδεις αρχές της ψυχολογίας της κοινής λογικής που διαθέτουν τα βρέφη. “Οι θεμελιώδεις γνώσεις ενός βρέφους είναι περιορισμένες, αφηρημένες και αντανακλούν την εξελικτική μας κληρονομιά, ωστόσο μπορούν να προσαρμοστούν σε οποιοδήποτε πλαίσιο ή πολιτισμό στο οποίο μπορεί να ζει και να μαθαίνει αυτό το βρέφος”, παρατηρεί ο Dillon.
Οι άλλοι συγγραφείς της εργασίας είναι η Gala Stojnić, μεταδιδακτορική συνεργάτης του Πανεπιστημίου της Νέας Υόρκης NYU κατά τη διάρκεια της μελέτης, η Kanishk Gandhi, βοηθός ερευνητή του Πανεπιστημίου της Νέας Υόρκης NYU κατά τη διάρκεια της μελέτης, και η Shannon Yasuda, διδακτορική φοιτήτρια του Πανεπιστημίου της Νέας Υόρκης NYU.