콘텐츠
큐:
AI 엔지니어가 왜 "직관적 인 엔진"에 대해 걱정해야합니까?
에이:
인간의 직관에 대한 아이디어는 획기적인 인공 지능 작업의 주요 부분으로 AI 엔지니어들이 "직관적 인 엔진"및 기타 유사한 모델에 많은 관심을 기울이는 이유입니다. 과학자들은 인간 직관 과정을 깨뜨리고 인공 지능 실체로 시뮬레이션하려고 노력하고 있습니다. 그러나 신경망과 다른 인공 지능 기술에서 논리와 직감이 어떻게 작동하는지 탐구하면서 직감 자체의 정의는 다소 주관적입니다.
가장 좋은 예 중 하나는 Go 게임에서 인간 챔피언을 이길 수있는 새롭고 재능있는 슈퍼 컴퓨터를 사용하는 것입니다. 하드 로직에 의존하기는하지만 다소 직관적 인 게임입니다. Google의 AlphaGo는 전문적인 인간 플레이어를 이겼으므로 컴퓨터가 인간 스타일의 직관에 얼마나 능숙한 지에 대한 많은 추측이 있습니다. 그러나 Go 게임의 구조를 살펴보면 이러한 기술의 실제 빌드에서 직관에 의존하는 정도와 광범위한 논리 모델에 의존하는 정도를 파악하기 위해 결정해야 할 것이 많이 있음을 알 수 있습니다 .
Go 게임에서 인간은 직관적 인 인식이나 장거리 논리 또는이 둘의 혼합을 기반으로 잘 움직일 수 있습니다. 마찬가지로, 컴퓨터는 직관적 인 플레이를 어느 정도 반영하거나 시뮬레이션 할 수있는 광범위한 논리 모델을 기반으로 전문가 용 Go-playing 모델을 구축 할 수 있습니다. 따라서 컴퓨터가 직관적 모델에 얼마나 능숙한 지에 대해 이야기하면서 과학계가 완전히 수행하지 않은 직관을 정의하는 것이 중요합니다.
리스본 대학교 (University of Lisbon)의 Mary Jolly는“인공 지능에서의 직관의 개념”이라는 논문에서 직관의 정의에 대한 다른 의견을 지적합니다.
졸리는“이 개념의 정의에 대해서는 학자들 사이에 합의가 이루어지지 않았다. “최근까지 직관은 엄격한 과학적 연구 방법에 굴복하지 않았으며 종종 신비주의와 관련된 연구자들에 의해 습관적으로 회피되었습니다. 지금까지이 주제에 관한 담론은 일관성과 방법이 부족했습니다.”
직관의 개념 자체가 모호한 경우, 직관 시뮬레이션에서 인공 지능이 얼마나 잘 수행되고 있는지 측정하는 것이 훨씬 더 문제가 될 것입니다.
“인공 지능에서 인간과 같은 직관 메커니즘 구현”이라는 논문의 한 저자의 설명은 다음과 같습니다.
인간의 직관은 인공 지능 기술을 사용하는 여러 연구 프로젝트에 의해 시뮬레이션되었습니다. 이러한 알고리즘 또는 모델의 대부분은 합병증이나 우회를 처리 할 수있는 기능이 없습니다. 또한 직관에 영향을 미치는 요인과이 과정의 결과의 정확성에 대해서도 설명하지 않습니다. 이 논문에서 우리는 연결성과 알려지지 않은 엔티티의 원리를 사용하여 인간과 같은 직관을 구현하기위한 간단한 시리즈 기반 모델을 제시한다.
인간 직관 과정을 좀 더 구체적으로 살펴보기 위해 Wired 기사는 인간 마음의 "직관적 인 물리 엔진"을 설명하는 MIT 연구를 인용합니다. 객체가 떨어질 가능성이 있는지 또는 안정적이거나 안정적인지 여부를 직관적으로 이해할 수 있지만이 직관은 시간이 지남에 따라 내재화 한 광범위한 논리 규칙과 직접 비전 및 인식 모델을 기반으로합니다.
작가 Joi Ito는 우리가 물리 엔진을 직관적으로 사용하는 시스템은“잡음”이며 그 잡음을 걸러 낼 수 있다고 지적합니다. 그것은 인공 지능을 개발하는 데있어 큰 부분이었습니다. 시끄러운 모델에서 감각을 추출합니다. 그러나 이러한 모델은 인간이 복잡한 시스템에 적용 할 수있는 예측 및 분석의 종류를 실제로 만들기 위해 훨씬 더 나아가 야합니다.
이를 실현하는 한 가지 쉬운 방법은이 결과를 달성하기 위해 컴퓨터가 정교한 비전과 광범위한 논리 및 지각 인식을 현재 불가능한 방식으로 혼합해야한다는 것입니다. 이를 설명하는 또 다른 방법은 인간의 두뇌를 기술에 의해 완전히 역 엔지니어링되지 않은 "블랙 박스"로 보는 것입니다. 우리의 기술은 지능적인 결과를 만들어 낼 수는 있지만, 인간 두뇌 자체의 강력하고 신비하며 놀라운 활동을 아직 시뮬레이션 할 수는 없습니다.