¿Por qué es tan difícil darle sentido común a la Inteligencia Artificial?

Published 31 Agosto, 2021 | Conocimiento Sustentable, Actualidad

No se sabe si faltan cinco años o 50 para el sentido común aprendido por máquina.

Imagina que tienes amigos para almorzar y planeas pedir una pizza de pepperoni.

Recuerda que Amy mencionó que Susie había dejado de comer carne. Intenta llamar a Susie, pero cuando ella no contesta, decide ir a lo seguro y simplemente pide una pizza margherita.

La gente da por sentada la capacidad de lidiar con situaciones como estas de forma regular. En realidad, para lograr estas hazañas, los humanos se basan no en una, sino en un poderoso conjunto de habilidades universales conocidas como sentido común.

Como investigador de inteligencia artificial, mi trabajo es parte de un amplio esfuerzo para dar a las computadoras una apariencia de sentido común. Es un esfuerzo sumamente desafiante.

Rápida – define el sentido común

A pesar de ser universal y esencial para la forma en que los humanos comprenden el mundo que los rodea y aprenden, el sentido común ha desafiado una sola definición precisa. G. K. Chesterton, un filósofo y teólogo inglés, escribió a principios del siglo XX que “el sentido común es una cosa salvaje, salvaje y más allá de las reglas”. Las definiciones modernas de hoy coinciden en que, como mínimo, es una habilidad humana natural, más que enseñada formalmente, que permite a las personas navegar la vida diaria.

El sentido común es inusualmente amplio e incluye no solo habilidades sociales, como manejar las expectativas y razonar sobre las emociones de otras personas, sino también un sentido ingenuo de la física, como saber que una piedra pesada no puede colocarse con seguridad en una mesa de plástico endeble. Ingenuo, porque la gente sabe esas cosas a pesar de no trabajar conscientemente con ecuaciones físicas.

El sentido común también incluye el conocimiento previo de nociones abstractas, como el tiempo, el espacio y los eventos. Este conocimiento permite a las personas planificar, estimar y organizar sin tener que ser demasiado exactos.

El sentido común es difícil de calcular

Curiosamente, el sentido común ha sido un desafío importante en la frontera de la IA desde los primeros días del campo en la década de 1950. A pesar de los enormes avances en inteligencia artificial, especialmente en los juegos y la visión por computadora, el sentido común de la máquina con la riqueza del sentido común humano sigue siendo una posibilidad lejana. Esta puede ser la razón por la que los esfuerzos de IA diseñados para problemas complejos del mundo real con muchas partes entrelazadas, como diagnosticar y recomendar tratamientos para pacientes con COVID-19, a veces fracasan.

La IA moderna está diseñada para abordar problemas muy específicos, en contraste con el sentido común, que es vago y no se puede definir mediante un conjunto de reglas. Incluso los últimos modelos cometen errores absurdos a veces, lo que sugiere que falta algo fundamental en el modelo mundial de la IA. Por ejemplo, dado el siguiente texto:

“Se sirvió un vaso de arándano, pero luego, distraídamente, vertió una cucharadita de jugo de uva en él. Se ve bien. Intenta olerlo, pero tiene un resfriado fuerte, por lo que no puede oler nada. mucha sed. Así que tú “

el altamente promocionado generador de texto AI GPT-3 suministrado Bébalo.

Ahora estás muerto. Los recientes y ambiciosos esfuerzos han reconocido el sentido común de las máquinas como un problema de inteligencia artificial de nuestro tiempo, que requiere colaboraciones concertadas entre instituciones durante muchos años. Un ejemplo notable es el programa Machine Common Sense de cuatro años lanzado en 2019 por la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU.

Para acelerar la investigación en el campo después de que la agencia publicó un documento que describe el problema y el estado de la investigación en el campo. El programa Machine Common Sense financia muchos de los esfuerzos de investigación actuales en el sentido común de las máquinas, incluido nuestro propio aprendizaje e inferencia multimodal de mundo abierto basado en tierra (MOWGLI). MOWGLI es una colaboración entre nuestro grupo de investigación de la Universidad del Sur de California e investigadores de inteligencia artificial del Instituto de Tecnología de Massachusetts, la Universidad de California en Irvine, la Universidad de Stanford y el Instituto Politécnico Rensselaer.

El proyecto tiene como objetivo construir un sistema informático que pueda responder una amplia gama de preguntas de sentido común.

¿Transformers al rescate?

Una razón para ser optimistas acerca de finalmente descifrar el sentido común de las máquinas es el reciente desarrollo de un tipo de inteligencia artificial avanzada de aprendizaje profundo llamada transformadores. Los transformadores pueden modelar el lenguaje natural de una manera poderosa y, con algunos ajustes, pueden responder preguntas sencillas de sentido común. La respuesta a preguntas de sentido común es un primer paso esencial para crear chatbots que puedan conversar de manera similar a la humana.

En los últimos años, se ha publicado un prolífico cuerpo de investigación sobre transformadores, con aplicaciones directas al razonamiento del sentido común. Este rápido progreso como comunidad ha obligado a los investigadores en el campo a enfrentar dos preguntas relacionadas al borde de la ciencia y la filosofía: ¿Qué es el sentido común? ¿Y cómo podemos estar seguros de que una IA tiene sentido común o no?

Para responder a la primera pregunta, los investigadores dividen el sentido común en diferentes categorías, incluida la sociología del sentido común, la psicología y el conocimiento previo. Los autores de un libro reciente argumentan que los investigadores pueden ir mucho más allá al dividir estas categorías en 48 áreas detalladas, como planificación, detección de amenazas y emociones.

Sin embargo, no siempre está claro qué tan limpiamente se pueden separar estas áreas. En nuestro artículo reciente, los experimentos sugirieron que una respuesta clara a la primera pregunta puede ser problemática. Incluso los anotadores humanos expertos (personas que analizan el texto y categorizan sus componentes) dentro de nuestro grupo no estuvieron de acuerdo sobre qué aspectos del sentido común se aplicaban a una oración específica. Los anotadores estuvieron de acuerdo en categorías relativamente concretas como el tiempo y el espacio, pero no estuvieron de acuerdo con conceptos más abstractos.

Recognizing AI common sense

Incluso si acepta que es inevitable cierta superposición y ambigüedad en las teorías del sentido común, ¿pueden los investigadores estar realmente seguros de que una IA tiene sentido común? A menudo hacemos preguntas a las máquinas para evaluar su sentido común, pero los humanos navegan la vida diaria de formas mucho más interesantes. Las personas emplean una variedad de habilidades, perfeccionadas por la evolución, que incluyen la capacidad de reconocer la causa y el efecto básicos, la resolución creativa de problemas, las estimaciones, la planificación y las habilidades sociales esenciales, como la conversación y la negociación. Por muy larga e incompleta que pueda ser esta lista, una IA no debería lograr menos antes de que sus creadores puedan declarar la victoria en la investigación del sentido común de las máquinas.

Ya se está volviendo dolorosamente claro que incluso la investigación en transformadores está produciendo rendimientos decrecientes. Los transformadores son cada vez más grandes y consumen más energía. Un transformador reciente desarrollado por el gigante chino de motores de búsqueda Baidu tiene varios miles de millones de parámetros. Se necesita una enorme cantidad de datos para entrenar de manera efectiva. Sin embargo, hasta ahora ha demostrado ser incapaz de captar los matices del sentido común humano.

Incluso los pioneros del aprendizaje profundo parecen pensar que es posible que se necesiten nuevas investigaciones fundamentales antes de que las redes neuronales de hoy sean capaces de dar ese salto. Dependiendo del éxito de esta nueva línea de investigación, no se sabe si faltan cinco años o 50 para el sentido común de las máquinas.

Mayank Kejriwal, profesor asistente de investigación de ingeniería industrial y de sistemas, Universidad del Sur de California Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons.

Lea el artículo original.

Isabeau González	Subdirectora Gestión Estratégica y Nuevos Proyectos
• Experticia: Gestión y desarrollo de proyectos. • Educación: Titulada de Ingeniería Comercial con mención en Administración, Universidad Diego Portales. Titulada de Bachiller en Ciencias Sociales y Humanidades • ¿Por qué trabajas en PROhumana? Trabajar en PROhumana me ha permitido crecer tanto profesionalmente como de forma personal. Compartir con un equipo motivado y desafiante me ha permitido conocer la importancia de la RSE en la sociedad de hoy en día y la responsabilidad que tenemos como individuos el provocar cambios sustanciales para el futuro. • Intereses: Viajar y toda la experiencia que conlleva el conocer distintas culturas, me gusta practicar yoga, hacer pilates y pasar tiempo con mis amigos y familia.

Saga Preis	Pasante Internacional Curso Español y Cooperación al Desarrollo Skarpnacks Folkhogskola
• Experticia: Conocimiento de herramientas para la Cooperación Internacional al Desarrollo (CID). • Educación: Curso universitario Español y Cooperación al Desarrollo en Skarpnäcks folkhögskola (Suecia) • ¿Por qué trabajas en PROhumana? Me parece lógico involucrar las empresas en la cuestión de su propia sustentabilidad, que ellas mismas se hacen cargo de su propio desarrollo sustentable. Quiero formar parte del trabajo importante que hace PROhumana. • Intereses: Cocinar, aprender nuevas cosas, tocar música. Estoy cautivada del mundo y sus habitantes.