Patrick M. Pilarski, Ph.D. Καναδάς CIFAR AI Chair (Amii) – Σειρά Συνεντεύξεων

Ο Δρ. Patrick M. Pilarski είναι Καναδάς CIFAR Artificial Intelligence Chair, πρώην Καναδάς Έδρα Έρευνας σε Μηχανική Νοημοσύνη για Αποκατάσταση, και Αναπληρωτής Καθηγητής στο Τμήμα Φυσικής Ιατρικής και Αποκατάστασης, Ιατρική Σχολή, Πανεπιστήμιο του Αλμπέρτα.

Το 2017, ο Δρ. Pilarski συνίδρυσε το πρώτο διεθνές ερευνητικό γραφείο της DeepMind, που βρίσκεται στο Έντμοντον, Αλμπέρτα, όπου υπηρέτησε ως συν-αρχηγός και ανώτερος ερευνητής επιστήμονας μέχρι το 2023. Είναι Μέλος και Μέλος του Διοικητικού Συμβουλίου του Ινστιτούτου Μηχανικής Νοημοσύνης του Αλμπέρτα (Amii), συν-ηγείται το Εργαστήριο BLINC και είναι κύριος ερευνητής με το Εργαστήριο Ενίσχυσης Μάθησης και Τεχνητής Νοημοσύνης (RLAI) και το Δίκτυο SMART στο Πανεπιστήμιο του Αλμπέρτα.

Ο Δρ. Pilarski είναι ο βραβευμένος συγγραφέας ή συν-συγγραφέας περισσότερων από 120 επιστημονικών άρθρων, είναι Ανώτερος Μέλος του IEEE και έχει υποστηριχθεί από επαρχιακές, εθνικές και διεθνείς ερευνητικές επιχορηγήσεις.

Καθίσαμε για μια συνέντευξη στην ετήσια διάσκεψη Upper Bound του 2023 για την Τεχνητή Νοημοσύνη, που διεξάγεται στο Έντμοντον, Αλμπέρτα και φιλοξενείται από το Amii (Ινστιτούτο Μηχανικής Νοημοσύνης του Αλμπέρτα).

Πώς βρέθηκατε στην AI; Τι σας έκανε να ενδιαφερθείτε για τον κλάδο;

Αυτά είναι δύο ξεχωριστά ερωτήματα. Σε ό,τι αφορά το τι με ελκύει στην AI, υπάρχει κάτι όμορφο στο πώς η πολυπλοκότητα μπορεί να προκύψει και πώς η δομή μπορεί να προκύψει από την πολυπλοκότητα. Η νοημοσύνη είναι μόνο ένα από αυτά τα εξαιρετικά παραδείγματα,所以 είτε προέρχεται από τη βιολογία είτε από το πώς βλέπουμε την περίπλοκη συμπεριφορά να προκύψει σε μηχανές, νομίζω ότι υπάρχει κάτι όμορφο σε αυτό. Αυτό με έχει ενθουσιάσει για πολύ καιρό, και η πολύ περίπλοκη πορεία μου να εργαστώ στην περιοχή της AI που εργάζομαι τώρα, η οποία είναι μηχανές που μαθαίνουν μέσω της δοκιμής και του λάθους, συστήματα ενίσχυσης που αλληλεπιδρούν με τους ανθρώπους ενώ είναι και οι δύο βυθισμένοι σε αυτό, τη ροή της εμπειρίας, τη ροή του χρόνου, ήρθε μέσω πολλών διαφορετικών οροπεδίων. Σπούδασα πώς οι μηχανές και οι άνθρωποι μπορούν να αλληλεπιδράσουν σε όρους βιομηχανικών συσκευών και βιοτεχνολογίας, πραγμάτων όπως τεχνητά άκρα και προθέσεις.

Εξετάσαμε πώς η AI μπορεί να χρησιμοποιηθεί για να υποστηρίξει τις ιατρικές διαγνώσεις, πώς μπορούμε να χρησιμοποιήσουμε τη μηχανική νοημοσύνη για να αρχίσουμε να κατανοούμε τα πρότυπα που οδηγούν σε ασθένειες ή πώς διαφορετικές ασθένειες μπορεί να παρουσιαστούν σε σχέση με εγγραφές σε μια μηχανή. Αλλά όλα αυτά είναι μέρος αυτής της μακροπρόθεσμης οδηγίας για να αρχίσουμε πραγματικά να εκτιμούμε πώς θα μπορούσαμε να πάρουμε πολύ περίπλοκη συμπεριφορά από πολύ απλές βάσεις. Και αυτό είναι αυτό που πραγματικά αγαπώ, ιδιαίτερα για την ενίσχυση της μάθησης, είναι η ιδέα ότι η μηχανή μπορεί να ενσωματωθεί μέσα στη ροή του χρόνου και να μάθει από την δική της εμπειρία για να εκδηλωθεί πολύ περίπλοκη συμπεριφορά και να συλλάβει τόσο την περίπλοκη φαινόμενα, πραγματικά, στον κόσμο γύρω μας. Αυτό έχει sido μια οδηγική δύναμη.

Η μηχανική του, στην πραγματικότητα, έκανα πολλά προγράμματα αθλητικής ιατρικής και πράγματα σαν αυτά πίσω στο γυμνάσιο. Σπούδασα αθλητική ιατρική και τώρα εδώ είμαι εργαζόμενος σε ένα περιβάλλον όπου εξετάζω πώς η μηχανική νοημοσύνη και οι τεχνολογίες αποκατάστασης έρχονται μαζί για να υποστηρίξουν τους ανθρώπους στη καθημερινή τους ζωή. Είναι ένα πολύ ενδιαφέρον ταξίδι, όπως η πλευρική ενασχόληση με περίπλοκες συστήματα και πολυπλοκότητα, και στη συνέχεια πολύ πρακτική προοπτική για το πώς οι άνθρωποι μπορούν να υποστηριχθούν, να ζήσουν τις ζωές που θέλουν να ζήσουν.

Πώς σας οδήγησε το άθλημα αρχικά στα προθέσεις;

Τι είναι πραγματικά ενδιαφέρον για πεδία όπως η αθλητική ιατρική είναι το να κοιτάξετε το ανθρώπινο σώμα και πώς τα μοναδικά ανάγκες κάποιου, είτε είναι αθλητικά είτε όχι, μπορούν στην πραγματικότητα να υποστηριχθούν από άλλους ανθρώπους, από διαδικασίες και διαδικασίες. Τα βιομηχανικά άκρα και οι προθέσεις είναι για την κατασκευή συσκευών, την κατασκευή συστημάτων, την τεχνολογία που βοηθά τους ανθρώπους να ζήσουν τις ζωές που θέλουν να ζήσουν. Αυτά τα δύο είναι πραγματικά στενά συνδεδεμένα. Είναι πραγματικά ενθουσιαστικό να μπορέσω να έρθω πλήρως και να έχω κάποιες από αυτές τις πρώτες ενδιαφερόμενες να έρθουν σε επαφή με το εργαστήριο όπου κοιτάζουμε… Και ιδιαίτερα τα συστήματα μηχανικής μάθησης που εργάζονται σε μια στενά συνδεδεμένη σχέση, τον άνθρωπο που προορίζονται να υποστηρίξουν.

Έχετε προηγουμένως συζητήσει πώς μια πρόθεση προσαρμόζεται στον άνθρωπο αντί του ανθρώπου να προσαρμόζεται στη πρόθεση. Μπορείτε να μιλήσετε για τη μηχανική μάθηση πίσω από αυτό;

Απόλυτα. Ως βάση στην ιστορία της χρήσης εργαλείων, οι άνθρωποι έχουν προσαρμοστεί σε τα εργαλεία μας και στη συνέχεια έχουμε προσαρμόσει τα εργαλεία μας στις ανάγκες που έχουμε. Και έτσι υπάρχει αυτή η επαναλαμβανόμενη διαδικασία της προσαρμογής μας στα εργαλεία μας. Βρισκόμαστε τώρα σε ένα σημείο inflection όπου για πρώτη φορά, μπορείτε να φανταστείτε να χτίσετε εργαλεία που θα φέρουν κάποια από τα χαρακτηριστικά της ανθρώπινης νοημοσύνης. Εργαλεία που θα προσαρμοστούν και θα βελτιωθούν ενώ χρησιμοποιούνται από一个人. Οι υποκείμενες τεχνολογίες υποστηρίζουν συνεχής μάθηση. Συστήματα που μπορούν να συνεχίσουν να μαθαίνουν από μια συνεχόμενη ροή εμπειρίας. Σε αυτή την περίπτωση, η ενίσχυση της μάθησης και οι μηχανισμοί που την υποστηρίζουν, όπως η μάθηση διαφοράς χρόνου, είναι πραγματικά κρίσιμες για την κατασκευή συστημάτων που μπορούν να προσαρμοστούν ενώ αλληλεπιδρούν με έναν άνθρωπο και ενώ χρησιμοποιούνται από έναν άνθρωπο για να υποστηρίξουν την καθημερινή του ζωή.

Μπορείτε να ορίσετε τη μάθηση διαφοράς χρόνου;

Απόλυτα, αυτό που πραγματικά μου αρέσει σε αυτό είναι ότι μπορούμε να σκεφτούμε τις βασικές τεχνολογίες, τη μάθηση διαφοράς χρόνου και τους αλγορίθμους προβλέψεων που υποστηρίζουν πολλά από αυτά που εργαζόμαστε στο εργαστήριο. Έχετε ένα σύστημα που, όπως και εμείς, κάνει μια πρόβλεψη για το τι θα συμβεί στο μέλλον σε σχέση με κάποιο σήμα, σε σχέση με κάτι σαν το μελλοντικό ανταπόκριση είναι το τίποτα που συνήθως βλέπουμε. Αλλά οποιοδήποτε άλλο σήμα που μπορείτε να φανταστείτε να προβλέψετε, όπως πόση δύναμη ασκώ τώρα; Πόσο ζεστό θα είναι αύριο; Πόσα ντόνατς θα έχω αύριο; Αυτά είναι τα πιθανά πράγματα που μπορείτε να φανταστείτε να προβλέψετε. Και έτσι ο βασικός αλγόριθμος είναι πραγματικά να κοιτάξει τη διαφορά μεταξύ της εκτίμησής μου για το τι θα συμβεί τώρα και της εκτίμησής μου για το τι θα συμβεί στο μέλλον μαζί με οποιοδήποτε σήμα που λαμβάνω τώρα.

Πόση δύναμη ασκώ ως ρομποτική βραχίονας που σηκώνει ένα ποτήρι καφέ ή ένα ποτήρι νερό; Αυτό μπορεί να κοιτάξει τη διαφορά μεταξύ της πρόβλεψης για το πόση δύναμη θα ασκήσω τώρα ή την ποσότητα που θα ασκήσω σε κάποιο μέλλον. Και στη συνέχεια να συγκρίνει αυτό με τις προσδοκίες μου για το μέλλον και τη δύναμη που ασκώ πραγματικά. Βάλτε όλα αυτά μαζί, και παίρνετε αυτό το λάθος, το λάθος διαφοράς χρόνου. Είναι αυτή η ωραία συσσώρευση του προβλεπόμενου χρόνου και των διαφορών μεταξύ τους, τις οποίες μπορείτε να χρησιμοποιήσετε για να ενημερώσετε τη δομή της μηχανής μάθησης.

Και έτσι, και πάλι, για τη συμβατική ενίσχυση της μάθησης με βάση την ανταπόκριση, αυτό θα μπορούσε να κοιτάξει την ενημέρωση του τρόπου με τον οποίο η μηχανή ενεργεί με βάση την αναμενόμενη ανταπόκριση που μπορεί να αντιληφθεί. Για πολλά από αυτά που κάνουμε, είναι να κοιτάξει άλλα είδη σημάτων, χρησιμοποιώντας γενικευμένες συναρτήσεις αξίας, η οποία είναι η προσαρμογή της διαδικασίας ενίσχυσης της μάθησης, της μάθησης διαφοράς χρόνου των σημάτων ανταπόκρισης σε οποιοδήποτε είδος σήματος που ενδιαφέρει και μπορεί να εφαρμοστεί στην λειτουργία της μηχανής.

Συχνά μιλάτε για μια πρόθεση που ονομάζεται Cairo Toe σε τις παρουσιάσεις σας. Τι έχει να μας διδάξει;

Το Cairo Toe Πανεπιστήμιο του Μπασέλ, LHTT. Εικόνα: Matjaž Kačičnik

Μου αρέσει να χρησιμοποιώ το παράδειγμα του Cairo Toe, μιας 3000 ετών πρόθεσης. Εργάζομαι στην περιοχή των νευρωνικών προθέσεων, τώρα βλέπουμε πολύ προηγμένα ρομποτικά συστήματα που μπορούν σε κάποιες περιπτώσεις να έχουν το ίδιο επίπεδο ελέγχου ή τα ίδια επίπεδα ελέγχου όπως τα βιολογικά μέρη του σώματος. Και όμως, επιστρέφω σε ένα πολύ στιλισμένο ξύλινο δάχτυλο από 3000 χρόνια πριν. Νομίζω ότι αυτό που είναι ωραίο είναι ότι είναι ένα παράδειγμα ανθρώπων που επεκτείνουν τον εαυτό τους με τεχνολογία. Αυτό που βλέπουμε τώρα στην νευρωνική προθήκη και την αλληλεπίδραση ανθρώπου-μηχανής είναι κάτι που δεν είναι περίεργο, νέο ή περίεργο. Έχουμε πάντα ήταν χρήστες εργαλείων, ζώα, μη ανθρώπινα ζώα επίσης χρησιμοποιούν εργαλεία. Υπάρχουν πολλά伟τικά βιβλία για αυτό, ιδιαίτερα από τον Frans de Waal, “Are We Smart Enough to Know How Smart Animals Are?”.

Αυτή η επέκταση του εαυτού μας, η ενίσχυση και η βελτίωση του εαυτού μας μέσω της χρήσης εργαλείων δεν είναι κάτι νέο, είναι κάτι αρχαίο. Είναι κάτι που έχει συμβεί από την αρχή του χρόνου και μέχρι τώρα από τους ανθρώπους που ζουν σε αυτή τη γη. Το άλλο ενδιαφέρον πράγμα για το Cairo Toe είναι ότι οι ενδείξεις, τουλάχιστον από τις ακαδημαϊκές εκθέσεις, δείχνουν ότι προσαρμόστηκε πολλές φορές κατά τη διάρκεια της αλληλεπίδρασής του με τους χρήστες. Στην πραγματικότητα, πήγαν και το προσάρμοσαν, το άλλαξαν, το τροποποίησαν κατά τη διάρκεια της χρήσης του.

Η κατανόησή μου, δεν ήταν μόνο ένα σταθερό εργαλείο που ήταν προσαρτημένο σε一个人 κατά τη διάρκεια της ζωής του, ήταν ένα σταθερό εργαλείο που ήταν προσαρτημένο αλλά και τροποποιήθηκε. Είναι ένα παράδειγμα του πώς, και πάλι, η ιδέα ότι τα εργαλεία προσαρμόζονται κατά τη διάρκεια της χρήσης τους είναι κάτι που είναι επίσης πολύ αρχαίο. Δεν είναι κάτι νέο, και υπάρχουν πολλά μαθήματα που podemos να μάθουμε από την αμοιβαία προσαρμογή ανθρώπων και εργαλείων για πολλά χρόνια.

Έχετε προηγουμένως συζητήσει την οδό ανταπόκρισης μεταξύ προθέσεων και ανθρώπων, μπορείτε να επεκτείνετε σε αυτό;

Είμαστε επίσης σε μια đặc biệt εποχή όσον αφορά το πώς βλέπουμε τη σχέση μεταξύ ενός ανθρώπου και της μηχανής που στοχεύει να τον υποστηρίξει στην καθημερινή του ζωή. Όταν κάποιος χρησιμοποιεί μια τεχνητή άκρη, λέμε κάποιος με limb difference, κάποιος με ακρωτηριασμό χρησιμοποιεί μια τεχνητή άκρη. Παραδοσιακά, θα την χρησιμοποιήσει πολύ σαν ένα εργαλείο, σαν μια επέκταση του σώματός του, αλλά θα βασιστεί σε μεγάλο βαθμό σε αυτό που θεωρούμε την οδό ελέγχου. Αυτό σημαίνει ότι κάποια αίσθηση του τροχού ή της πρόθεσής του μεταφέρεται προς την συσκευή, η οποία στη συνέχεια έχει την ευθύνη να καταλάβει τι είναι και να εκτελέσει αυτό, είτε είναι το άνοιγμα και κλείσιμο του χεριού ή η κάμψη του αγκώνα ή η δημιουργία ενός πινακίου για να πιάσει ένα κλειδί. Συχνά δεν βλέπουμε ανθρώπους που μελετούν ή εξετάζουν την οδό ανταπόκρισης.

Έτσι, πολλά τεχνητά άκρα που μπορείτε να δείτε εμπορικά, η οδός πληροφόρησης από τη συσκευή προς τον άνθρωπο μπορεί να είναι η μηχανική σύνδεση, τον τρόπο με τον οποίο πραγματικά αισθάνονται τις δυνάμεις της άκρου και ενεργούν πάνω τους. Μπορεί να είναι να ακούσουν το γρύλισμα των κινητήρων ή να παρακολουθήσουν καθώς σηκώνουν ένα μανίκι και το μετακινούν πάνω σε einen γραφείο ή να το πιάσουν από ένα άλλο μέρος του χώρου εργασίας τους. Και έτσι, αυτές οι οδοί είναι ο παραδοσιακός τρόπος για να το κάνουμε. Υπάρχουν πολλά θαυμάσια πράγματα που συμβαίνουν σε όλο τον κόσμο για να δουν πώς η πληροφορία μπορεί να μεταφερθεί καλύτερα από μια τεχνητή άκρη προς τον άνθρωπο που τη χρησιμοποιεί. Ιδιαίτερα εδώ στο Έντμοντον, υπάρχει πολλή καλή δουλειά που χρησιμοποιεί την επανασύνδεση του νευρικού συστήματος, την επανασύνδεση των νεύρων και άλλα πράγματα για να υποστηρίξει αυτή την οδό. Αλλά είναι ακόμα ένα πολύ ζεστό και αναδυόμενο πεδίο μελέτης για να σκεφτούμε πώς η μηχανική μάθηση υποστηρίζει τις αλληλεπιδράσεις σε σχέση με αυτή την οδό ανταπόκρισης.

Πώς η μηχανική μάθηση μπορεί να υποστηρίξει ένα σύστημα που μπορεί να προβλέψει και να καταλάβει πολλά για τον κόσμο του; Πώς μπορεί να μεταφέρει αυτή την πληροφορία σαφώς και αποτελεσματικά πίσω στον άνθρωπο που τη χρησιμοποιεί; Νομίζω ότι αυτό είναι ένα μεγάλο θέμα, γιατί αν έχετε και τις δύο οδούς, την οδό ελέγχου και την οδό ανταπόκρισης, και τα δύο συστήματα είναι προσαρμοσμένα και τα δύο, η συσκευή που χρησιμοποιείται από τον άνθρωπο και ο άνθρωπος himself, έχουν χτίσει ένα πολύ ισχυρό μοντέλο του άλλου. Μπορείτε να κάνετε κάτι σχεδόν θαυμαστό. Μπορείτε σχεδόν να μεταφέρετε πληροφορία δωρεάν. Αν έχετε και τα δύο αυτά συστήματα που είναι πραγματικά καλά συντονισμένα μεταξύ τους, έχουν χτίσει ένα πολύ ισχυρό μοντέλο του άλλου και έχουν προσαρμογή και στα δύο, την οδό ελέγχου και την οδό ανταπόκρισης, μπορείτε να σχηματίσετε πολύ στενές партνερίες μεταξύ ανθρώπων και μηχανών που μπορούν να μεταφέρουν τεράστια ποσά πληροφορίας με πολύ λίγη προσπάθεια και πολύ λίγο εύρος ζώνης.

Και αυτό ανοίγει ολόκληρα νέα πεδία συνεργασίας ανθρώπων και μηχανών, ιδιαίτερα στην περιοχή των νευρωνικών προθέσεων. Νομίζω ότι αυτή είναι μια πραγματικά θαυμάσια εποχή για μας να αρχίσουμε να μελετάμε αυτή την περιοχή.

Νομίζετε ότι αυτά θα είναι 3D εκτυπωμένα στο μέλλον ή πώς νομίζετε ότι η κατασκευή θα προχωρήσει;

Δεν νομίζω ότι είμαι ο καλύτερος για να κάνω εικασίες για το πώς αυτό μπορεί να συμβεί. Μπορώ να πω ότι βλέπουμε μια μεγάλη αύξηση των εμπορικών παρόχων νευρωνικών προθέσεων που χρησιμοποιούν προσθετική κατασκευή, 3D εκτύπωση, και άλλα είδη προσθετικής κατασκευής για να δημιουργήσουν τις συσκευές τους. Αυτό είναι επίσης πραγματικά ωραίο να δούμε, ότι δεν είναι μόνο ένα πρωτότυπο που χρησιμοποιεί προσθετική κατασκευή ή 3D εκτύπωση, αλλά η 3D εκτύπωση γίνεται ένα ολοκληρωμένο μέρος του πώς παρέχουμε συσκευές σε άτομα και πώς βελτιστοποιούμε αυτές τις συσκευές για τους ακριβείς ανθρώπους που τις χρησιμοποιούν.

Η προσθετική κατασκευή ή η κατασκευή κατά παραγγελία, η προσαρμοσμένη προσθήκη συμβαίνει σε νοσοκομεία όλη την ώρα. Αυτό είναι ένα φυσικό μέρος της φροντίδας που παρέχεται σε ανθρώπους με limb difference που χρειάζονται υποστηρικτικές τεχνολογίες ή άλλες είδη αποκατάστασης. Νομίζω ότι αρχίζουμε να βλέπουμε ότι πολλή από αυτή την προσαρμογή αρχίζει να συνδυάζεται με τους κατασκευαστές των συσκευών, και όχι μόνο με τους παρόχους φροντίδας. Και αυτό είναι επίσης πραγματικά ενθουσιαστικό. Νομίζω ότι υπάρχει μια μεγάλη ευκαιρία για συσκευές που δεν μοιάζουν μόνο με χέρια ή χρησιμοποιούνται χέρια, αλλά συσκευές που ικανοποιούν πολύ ακριβώς τις ανάγκες του ανθρώπου που τις χρησιμοποιεί, που τους επιτρέπουν να εκφραστούν με τον τρόπο που θέλουν να εκφραστούν, και τους αφήνουν να ζήσουν τις ζωές που θέλουν να ζήσουν, όχι μόνο τον τρόπο που νομίζουμε ότι ένα χέρι πρέπει να χρησιμοποιηθεί στην καθημερινή ζωή.

Έχετε γράψει πάνω από 120 εργασίες. Υπάρχει μια που ξεχωρίζει για σας που πρέπει να γνωρίζουμε;

Υπάρχει μια πρόσφατα δημοσιευμένη εργασία σε εφαρμογές νευρωνικής υπολογιστικής, αλλά αντιπροσωπεύει την κορυφή ενός παγόβουνου της σκέψης που έχουμε προωθήσει για πάνω από μια δεκαετία τώρα, για πλαισιάσματα για το πώς οι άνθρωποι και οι μηχανές αλληλεπιδρούν, ιδιαίτερα για το πώς οι άνθρωποι και οι προθέσεις αλληλεπιδρούν. Είναι η ιδέα του επικοινωνιακού κεφαλαίου. Και έτσι αυτή η εργασία αντιπροσωπεύει την άποψή μας για το πώς οι προβλέψεις που μαθαίνονται και διατηρούνται σε πραγματικό χρόνο από μια πρόθεση που αλληλεπιδρά με τον άνθρωπο, ο άνθρωπος himself μπορεί να σχηματίσει ουσιαστικά κεφάλαιο, μπορεί να σχηματίσει μια πηγή που και τα δύο μέρη μπορούν να βασιστούν. Θυμάμαι, προηγουμένως είπα ότι μπορούμε να κάνουμε κάτι πραγματικά θαυμάσιο όταν έχουμε έναν άνθρωπο και μια μηχανή που και οι δύο χτίζουν μοντέλα του άλλου, προσαρμόζονται σε πραγματικό χρόνο με βάση την εμπειρία, και αρχίζουν να μεταφέρουν πληροφορία σε一个 διπλής κατεύθυνσης κανάλι. Ως μια πλευρική σκέψη, γιατί ζούμε σε ένα μαγικό κόσμο όπου υπάρχουν εγγραφές και μπορείτε να κόψετε πράγματα από αυτό.

Εξακριβώς. Ήταν σαν μαγία. Αν επιστρέψουμε σε σκέφτηδες σαν τον Ashby, W. Ross Ashby, πίσω στις αρχές της δεκαετίας του ’60 και το βιβλίο του “Introduction of Cybernetics” μίλησε για το πώς μπορούμε να ενισχύσουμε την ανθρώπινη νοημοσύνη. Και πραγματικά είπε ότι έρχεται xuống στην ενίσχυση της ικανότητας ενός ανθρώπου να επιλέξει μεταξύ ενός από πολλά επιλογές. Και αυτό γίνεται δυνατό από συστήματα όπου ένας άνθρωπος αλληλεπιδρά με, λέμε, μια μηχανή, όπου υπάρχει ένας κανάλι επικοινωνίας ανοιχτό μεταξύ τους. Έτσι, αν έχουμε αυτό το κανάλι επικοινωνίας ανοιχτό, αν είναι διπλής κατεύθυνσης, και αν και τα δύο συστήματα χτίζουν κεφάλαιο σε μορφή προβλέψεων και άλλων πραγμάτων, τότε μπορείτε να αρχίσετε να δείτε ότι πραγματικά ευθυγραμμίζονται και να γίνονται περισσότερα από το άθροισμα των μερών τους. Μπορείτε να πάρει περισσότερα από αυτά που βάζετε μέσα.

Και νομίζω ότι αυτό είναι γιατί θεωρώ αυτή την εργασία να είναι μια από τις πιο ενθουσιαστικές μας, γιατί αντιπροσωπεύει μια σκέψη-αλλαγή. Αντιπροσωπεύει μια σκέψη-αλλαγή προς την σκέψη των νευρωνικών προθέσεων ως συστήματα με agency, συστήματα που δεν θα περιγράψουμε μόνο agency, αλλά θα βασιστούμε σε αυτά για να συν-προσαρμοστούμε και να χτίσουμε αυτά τα κεφάλαια. Το επικοινωνιακό κεφάλαιο που μας επιτρέπει να πολλαπλασιάσουμε την ικανότητά μας να αλληλεπιδράσουμε με τον κόσμο, να πάρουμε περισσότερα από αυτά που βάζουμε μέσα και να αφήσουμε τους ανθρώπους να ζήσουν τις ζωές που θέλουν να ζήσουν, όχι μόνο τη συσκευή που τους βοηθά να ζήσουν τις ζωές τους.

Τι είναι κάποιες από τις εφαρμογές που θα δείτε για διεπαφές εγκεφάλου-μηχανής με ό,τι μόλις συζητήσατε;

Μια από τις αγαπημένες μου είναι κάτι που έχουμε προωθήσει, και πάλι, για πάνω από 10 χρόνια, είναι μια τεχνολογία που ονομάζεται προσαρμοστική εναλλαγή. Η προσαρμοστική εναλλαγή βασίζεται στη γνώση ότι πολλά συστήματα που αλληλεπιδρούμε με στην καθημερινή μας ζωή εξαρτώνται από εμάς να εναλλάσσουμε μεταξύ πολλών modus operandi ή λειτουργιών. Όταν εναλλάσσομαι μεταξύ εφαρμογών στο τηλέφωνό μου ή όταν προσπαθώ να βρω τη σωστή ρύθμιση στο τρυπάνι μου ή όταν προσαρμόζω άλλα εργαλεία στη ζωή μου, εναλλάσσομαι μεταξύ πολλών modus operandi ή λειτουργιών όλη την ώρα, σκέφτηκα πίσω στο Ashby, την ικανότητά μας να επιλέξουμε μεταξύ πολλών επιλογών. Έτσι, στην προσαρμοστική εναλλαγή, χρησιμοποιούμε τη μάθηση διαφοράς χρόνου για να επιτρέψουμε σε μια τεχνητή άκρη να μάθει ποια κινητήρια λειτουργία θα ήθελε να χρησιμοποιήσει ένας άνθρωπος και πότε θα ήθελε να τη χρησιμοποιήσει. Πραγματικά, μια πολύ απλή πρόταση είναι ότι, απλώς η πράξη μου να φτάσω πάνω σε ένα ποτήρι και να κλείσω το χέρι μου.

Καλά, ένα σύστημα θα μπορούσε να χτίσει προβλέψεις μέσω της εμπειρίας ότι σε αυτή την κατάσταση, είναι πιθανό να χρησιμοποιήσω τη λειτουργία ανοίγματος και κλεισμού του χεριού. Και στη συνέχεια, στο μέλλον, σε παρόμοιες καταστάσεις, να μπορεί να προβλέψει αυτό. Και όταν εναλλάσσομαι μέσα από τη στροβιλισμένη νεφέλη των modus operandi και λειτουργιών, να μου δώσει περισσότερο ή λιγότερο αυτά που θέλω χωρίς να πρέπει να ψάξω μέσα από όλα αυτά τα πολλά επιλογές. Και αυτό είναι ένα πολύ απλό παράδειγμα της χτίσης του επικοινωνιακού κεφαλαίου. Έχετε ένα σύστημα που, στην πραγματικότητα, χτίζει προβλέψεις μέσω της αλληλεπίδρασης, προβλέψεις για τον άνθρωπο, τη μηχανή, τη σχέση τους σε αυτή την κατάσταση, αυτή την ώρα. Και αυτό το κοινό κεφάλαιο, στη συνέχεια, επιτρέπει στο σύστημα να αναμορφώσει τη διεπαφή ελέγχου του στην πτήση, så που ο άνθρωπος να πάρει αυτό που θέλει και όταν το θέλει. Και πραγματικά, σε μια κατάσταση όπου το σύστημα είναι πολύ, πολύ σίγουρο για ποια κινητήρια λειτουργία θα ήθελε να χρησιμοποιήσει ένας άνθρωπος, μπορεί να την επιλέξει για αυτόν τον άνθρωπο καθώς πηγαίνει μέσα.

Και το καλό είναι ότι ο άνθρωπος έχει πάντα την ικανότητα να πει, “Α, αυτό είναι αυτό που πραγματικά ήθελα,” και να εναλλάξει σε μια άλλη κινητήρια λειτουργία. Σε einen ρομποτικό βραχίονα, αυτό μπορεί να είναι διαφορετικά είδη χεριαγωγών, είτε είναι το σχήμα της χειροπρέσας για να πιάσει einen κλειδί ή να πιάσει ένα χέρι ή να κουνηθεί. Αυτά είναι διαφορετικά modus operandi ή λειτουργίες. Είναι πραγματικά ενδιαφέρον ότι το σύστημα μπορεί να αρχίσει να χτίσει μια εκτίμηση για το τι είναι κατάλληλο σε ποια κατάσταση. Μονάδες κεφαλαίου που και τα δύο μέρη μπορούν να βασιστούν για να κινηθούν πιο γρήγορα στον κόσμο και με λιγότερη γνωστική επιβάρυνση, ιδιαίτερα στο μέρος της μονάδας.

Ευχαριστώ για τη θαυμάσια συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν τις ακόλουθες πηγές:

• Δρ. Patrick M. Pilarski Πανεπιστήμιο του Αλμπέρτα σελίδα.
• Upper Bound AI Διάσκεψη.
• Amii (Ινστιτούτο Μηχανικής Νοημοσύνης του Αλμπέρτα)