인공 지능 연구의 최신 돌파구에 대한 일반적이고 반복적 인 견해는 지적이고 지능적인 기계가 수평선에 있다는 것입니다. 기계는 구두 명령을 이해하고 사진을 구별하며 자동차를 운전하고 우리보다 게임을 더 잘합니다. 그들이 우리 사이를 걷는 데 얼마나 더 걸립니까?
인공 지능에 관한 새로운 백악관 보고서는 그 꿈을 적절히 회의적으로 본다. 향후 20 년 동안 기계가 "인간과 유사하거나이를 능가하는 광범위하게 적용 가능한 지능을 전시하지는 않을 것"이라고 말하지만 앞으로 몇 년 동안 기계는 인간의 성능에 도달하고이를 초과 할 것이라고 말했다. 그리고 더 많은 작업. " 그러나 이러한 기능을 어떻게 개발할 것인지에 대한 가정은 몇 가지 중요한 사항을 놓쳤습니다.
인공 지능 연구원으로서, 나는 최고 수준의 미국 정부에서 자신의 분야를 강조하는 것이 좋았 음을 인정하지만, 보고서는 내가 "지루한 종류의 AI"라고 부르는 것에 거의 독점적으로 초점을 맞췄다. 그것은 제가 AI 연구 분야에서 절반의 문장으로 진화가 계속 개선되는 AI 시스템을 개발하는 데 어떻게 도움이 될 수 있는지, 그리고 계산 모델이 어떻게 우리의 인간 지능이 어떻게 진화했는지를 이해하는 데 도움이 될 수 있는지에 대해 해고했습니다.
이 보고서는 기계 학습과 딥 러닝이라는 주류 AI 도구에 초점을 맞 춥니 다. 이것들은 "Jeopardy!"를 할 수 있었던 종류의 기술입니다. 그리고 가장 복잡한 게임에서 인간의 바둑 마스터를 이겼습니다. 이 현행 지능형 시스템은 방대한 양의 데이터를 처리하고 복잡한 계산을 매우 빠르게 수행 할 수 있습니다. 그러나 미래에 우리가 가지고있는 감각 기계를 만드는 데 핵심 요소가 부족합니다.
기계를 배우는 것보다 더 많은 것을해야합니다. 우리는 4 가지 유형의 인공 지능을 정의하는 경계, 기계를 우리와 분리하는 장벽을 극복해야합니다.
유형 I AI : 반응성 기계
가장 기본적인 AI 시스템 유형은 순전히 반응 적이며, 현재 의사 결정을 알리기 위해 기억을 형성하거나 과거 경험을 사용할 수 없습니다. 1990 년대 후반 국제 그랜드 마스터 게리 카스파로프를이긴 IBM의 체스 게임 슈퍼 컴퓨터 인 딥 블루 (Deep Blue)는 이러한 유형의 머신의 완벽한 예입니다.
Deep Blue는 체스 판에서 조각을 식별하고 각각의 움직임을 알 수 있습니다. 그것은 자신과 상대방의 다음 움직임이 무엇인지 예측할 수 있습니다. 그리고 가능성 중에서 가장 최적의 움직임을 선택할 수 있습니다.
그러나 과거의 개념이나 이전에 일어난 일에 대한 기억이 없습니다. 딥 블루는 같은 움직임을 세 번 반복하는 것에 대해 거의 사용되지 않는 체스 전용 규칙 외에도 현재 순간 이전의 모든 것을 무시합니다. 체스 보드의 조각을 지금보고있는 것만으로 가능한 다음 동작 중에서 선택하십시오.
이 유형의 지능에는 세상을 직접 인식하고 보는 것에 따라 행동하는 컴퓨터가 포함됩니다. 세계의 내부 개념에 의존하지 않습니다. AI 연구자 Rodney Brooks는 중요한 논문에서 이와 같은 기계 만 제작해야한다고 주장했다. 그의 주된 이유는 사람들이 컴퓨터가 사용할 정확한 시뮬레이션 세계를 프로그래밍하는 데 능숙하지 않았기 때문입니다. AI 장학금에서는 세계를 "대표"라고합니다.
현재 우리가 감탄하고있는 현명한 기계에는 그러한 세계 개념이 없거나 특정 업무에 대해 매우 제한적이고 특화된 기계가 있습니다. Deep Blue 디자인의 혁신은 컴퓨터가 고려한 가능한 영화의 범위를 넓히는 것이 아닙니다. 오히려 개발자들은 자신의 결과를 평가 한 방법에 따라 시야를 좁히고 미래의 움직임을 추구하지 않을 수있는 방법을 찾았습니다. 이 능력이 없다면 Deep Blue는 실제로 Kasparov를 이길 수있는 더욱 강력한 컴퓨터가되었을 것입니다.
마찬가지로, 최고의 인간 이동 전문가를이긴 Google의 AlphaGo는 미래의 모든 잠재적 움직임을 평가할 수 없습니다. 분석 방법은 신경망을 사용하여 게임 개발을 평가하는 Deep Blue보다 분석 방식이 더 정교합니다.
이 방법들은 AI 시스템이 특정 게임을 더 잘 플레이 할 수있는 능력을 향상 시키지만, 쉽게 변경하거나 다른 상황에 적용 할 수는 없습니다. 이 컴퓨터 화 된 상상력은 더 넓은 세상에 대한 개념을 가지고 있지 않습니다. 즉, 그들이 할당 한 특정 작업을 넘어서는 기능을 수행 할 수 없으며 쉽게 속일 수 있습니다.
AI 시스템이 언젠가 상상할 수있는 방식으로 세계에 대화식으로 참여할 수는 없습니다. 대신, 이러한 머신은 동일한 상황이 발생할 때마다 정확히 동일한 방식으로 작동합니다. AI 시스템의 신뢰성을 보장하는 데 매우 유용 할 수 있습니다. 자율 주행 자동차를 신뢰할 수있는 운전자로 만들고 싶습니다. 그러나 기계가 세상과 진정으로 소통하고 반응하기를 원한다면 좋지 않습니다. 이 가장 단순한 AI 시스템은 결코 지루하거나 흥미 롭거나 슬프지 않습니다.
II 형 AI : 제한된 메모리
이 유형 II 클래스에는 과거를 살펴볼 수있는 기계가 포함되어 있습니다. 자율 주행 자동차는 이미이 중 일부를 수행합니다. 예를 들어, 그들은 다른 자동차의 속도와 방향을 관찰합니다. 단 한 번에 완료 할 수는 없지만 시간이 지남에 따라 특정 개체를 식별하고 모니터링해야합니다.
이 관측치는 자율 주행 자동차의 사전 프로그램 된 세계 표현에 추가되며 차선 표시, 신호등 및 도로의 곡선과 같은 기타 중요한 요소도 포함됩니다. 차가 차선 변경시기를 결정하고 다른 운전자를 차단하거나 근처 차에 치지 않도록하기 위해 포함됩니다.
그러나 과거에 대한이 간단한 정보는 일시적 일뿐입니다. 그들은 자동차 운전자가 배울 수있는 경험 라이브러리의 일부, 인간 운전자가 수년 동안 경험을 컴파일하는 방식으로 저장되지 않습니다.
그렇다면 완전한 표현을 구축하고 경험을 기억하며 새로운 상황을 처리하는 방법을 배우는 AI 시스템을 어떻게 구축 할 수 있습니까? Brooks는 이것을하기가 매우 어렵다는 점에서 옳았습니다. 다윈의 진화에서 영감을 얻은 방법에 대한 나 자신의 연구는 기계가 자신의 표현을 만들도록하여 인간의 단점을 보완하기 시작할 수 있습니다.
유형 III AI : 마음의 이론
여기서 멈추고이 시점을 우리가 가진 기계와 미래에 구축 할 기계 사이의 중요한 구분이라고 부릅니다. 그러나 기계가 형성해야 할 표현 유형과 그 내용에 대해 더 구체적으로 논의하는 것이 좋습니다.
차기의 고급 클래스의 머신은 세계에 대한 표현뿐만 아니라 세계의 다른 에이전트 또는 엔티티에 대한 표현을 형성합니다. 심리학에서는 이것을 "마음의 이론"이라고합니다. 세계의 사람, 피조물 및 사물이 자신의 행동에 영향을 미치는 생각과 감정을 가질 수 있다는 것을 이해합니다.
이것은 우리가 인간이 사회를 형성하는 방법에 중요합니다. 왜냐하면 그들은 우리가 사회적 상호 작용을 가질 수 있기 때문입니다. 서로의 동기와 의도를 이해하지 않고 다른 사람이 나나 환경에 대해 알고있는 것을 고려하지 않으면 함께 일하는 것이 가장 어렵고 최악의 경우에는 불가능합니다.
AI 시스템이 실제로 우리를 따라 다니면 우리 각자가 어떻게 대우 될 것인지에 대한 생각과 느낌과 기대가 있다는 것을 이해할 수 있어야합니다. 그리고 그에 따라 행동을 조정해야합니다.
IV 형 AI : 자기 인식
AI 개발의 마지막 단계는 자신에 대한 표현을 형성 할 수있는 시스템을 구축하는 것입니다. 궁극적으로 AI 연구자들은 의식을 이해해야 할뿐만 아니라 그것을 가지고있는 기계를 만들어야합니다.
이것은 어떤 의미에서 Type III 인공 지능이 가진 "마음의 이론"의 확장입니다. 의식은 또한 "자기 인식"이라고도합니다. ( "나는 그 품목을 원한다"는 "나는 그 품목을 원한다는 것을 알고있다"와는 매우 다른 진술이다.) 의식있는 존재들은 자신을 알고 그들의 내부 상태를 알고 있으며 다른 사람들의 감정을 예측할 수있다. 우리는 교통 체증으로 우리 뒤에 숨어있는 누군가가 화를 내거나 참을성이 없다고 생각합니다. 마음의 이론이 없으면, 우리는 그런 종류의 추론을 할 수 없었습니다.
우리는 자각 할 수있는 기계를 만드는 것은 아니지만, 기억, 학습 및 과거 경험을 바탕으로 결정을 내릴 수있는 능력을 이해하기 위해 노력해야합니다. 이것은 인간 지능을 스스로 이해하는 중요한 단계입니다. 또한 기계 앞에서 보는 것을 분류하는 데 탁월한 기계를 설계하거나 발전 시키려면 매우 중요합니다.
Arend Hintze, 통합 생물학 및 컴퓨터 과학 및 조교수 미시간 주립대 학교
