211service.com
Cette IA curieuse vous bottera les fesses au cuirassé
Lac Brenden et Anselm Rothe
Un système d'intelligence artificielle remarquablement curieux développé par une équipe de chercheurs de NYU a appris à jouer à un jeu similaire à Battleship avec une habileté époustouflante.
Dans le jeu simple créé par les chercheurs, les joueurs cherchent à trouver les navires de leur adversaire cachés sur une petite grille de carrés en posant une série de questions auxquelles il est possible de répondre avec un seul chiffre ou un seul mot. Leur programme détermine comment poser ces questions aussi efficacement que possible.
S'inspirant de la psychologie cognitive et utilisant une approche fondamentalement différente de la plupart des IA d'aujourd'hui, le système montre comment les machines peuvent apprendre à poser des questions utiles sur le monde. Le programme traite les questions comme des programmes miniatures, lui permettant d'apprendre à partir de quelques exemples seulement et de construire ses propres questions sur la base de ce qu'il a appris.
Le jeu a été développé par Lac Brenden , professeur adjoint à NYU ; Todd Gureckis , professeur agrégé; et Anselme Rothé , étudiant diplômé. Il y a un énorme fossé entre la capacité humaine et la capacité de la machine à poser des questions lorsqu'ils recherchent des informations sur le monde, dit Lake. Les chercheurs décrivent le travail de un document mis en ligne.
Les chercheurs ont fait jouer leur jeu à des humains et ont enregistré les questions qu'ils posaient. Ils ont ensuite traduit les questions en éléments conceptuels. Par exemple, les questions Combien de temps mesure le bateau bleu ? et Le bateau bleu a-t-il quatre tuiles ? concernent la longueur d'une cible. La question Les navires bleus et rouges se touchent-ils ? concerne le poste. Les chercheurs ont ensuite encodé ces questions à l'aide d'un langage de programmation simple et construit un modèle probabiliste pour déterminer quelles questions devraient fournir les informations les plus utiles. Cette méthodologie a permis au système d'IA de construire efficacement de nouvelles questions qui l'ont aidé à gagner la partie.
La plupart des approches d'IA impliquent simplement de fournir à un ordinateur d'énormes quantités d'exemples de données et de lui faire générer ses propres exemples par la suite. Bien que la méthode de l'équipe de NYU nécessite plus de codage manuel, elle est beaucoup plus efficace pour découvrir des questions intelligentes à poser. Le système construit également des questions intelligentes de manière plus méthodique, et il peut même produire des questions qu'aucun humain n'a pensé à poser.
Les chercheurs étudient comment leur technologie pourrait rendre les chatbots et autres systèmes de dialogue plus efficaces et moins pénibles à utiliser. Avec un peu de préprogrammation, un tel système pourrait aider les clients à résoudre leur problème plus rapidement en posant les bonnes questions.
Avoir des systèmes de dialogue qui génèrent de nouvelles questions afin qu'ils puissent obtenir des réponses plus informatives à la volée va rendre l'interaction homme-ordinateur plus facile et rendre ces systèmes plus utiles et amusants à utiliser, dit Lake.
Remarquablement, le programme de jeu a été capable de construire la question ultime pour le jeu de cuirassé. Cela consistait à demander à un adversaire de passer par une série d'étapes mathématiques, en ajoutant la longueur d'un navire à 10 fois la longueur du suivant et ainsi de suite. Une telle question serait difficile pour une personne à suivre ou à répondre correctement, mais en théorie, le résultat pourrait être utilisé pour rétrocalculer l'ensemble du tableau. C'était assez intéressant, dit Lake.
Sam Gershman , professeur adjoint à l'Université de Harvard qui développe des approches de l'IA inspirées des neurosciences cognitives, affirme que la recherche de la NYU donne un aperçu de la façon dont les humains réfléchissent aux bonnes questions. Tout d'abord, vous avez besoin d'une certaine forme de compositionnalité afin de saisir la variété déconcertante de questions, dit Gershman. Deuxièmement, vous avez besoin d'un ensemble de critères qui évaluent les forces et les faiblesses relatives d'une question.
Gershman ajoute que les humains semblent suivre une stratégie similaire à l'approche la plus réussie employée par le programme, évaluant soigneusement la complexité de leurs questions afin d'utiliser les ressources cognitives avec parcimonie.
En fin de compte, les machines ne deviendront vraiment intelligentes que si elles commencent à s'intéresser au monde qui les entoure. Cela commence par poser des questions d'approfondissement.