Charles Simon, Penulis Brain Simulator II – Seri Wawancara

Charles Simon adalah Penulis Brain Simulator II, sebuah buku pendamping untuk Brain Simulator II, sebuah proyek perangkat lunak sumber terbuka yang bertujuan untuk menciptakan sistem Kecerdasan Umum Buatan (AGI) dari awal hingga akhir

Perangkat lunak Brain Simulator asli dirilis pada tahun 1988, sebuah waktu yang lama dalam dunia perangkat lunak. Seberapa besar lompatan ke depan Brain Simulator II dibandingkan dengan pendahulunya?

Sistem saat ini lebih dari sejuta kali lebih cepat. Yang asli ditulis dalam FORTRAN, berjalan pada klon IBM AT, mendukung array neuron tetap sebesar 1.200, dan menghitung sekitar dua siklus per detik. Program saat ini dapat berjalan pada jaringan dan memproses 2,5 miliar sinaps per detik pada CPU desktop yang kuat.

Buku ini tentang Brain Simulator II, sebuah proyek perangkat lunak sumber terbuka yang bertujuan untuk menciptakan kecerdasan buatan dari awal hingga akhir, apa jenis pengalaman pemrograman yang diperlukan untuk menjalankan perangkat lunak ini?

Tidak diperlukan pengalaman. Jika Anda bukan seorang pemrogram, Anda dapat menghabiskan waktu dengan Brain Simulator dan memahami kemampuan dan keterbatasan neuron, sedikit tentang representasi pengetahuan, dan bahkan membangun jaringan terbatas Anda sendiri. Jika Anda seorang pemrogram, Anda akan mengikuti penjelasan teknis yang lebih mendalam dan membangun modul Anda sendiri untuk memperluas sistem ke strategi AGI yang lebih maju.

Mengapa kembali ke akar biologis kecerdasan buatan penting untuk mencapai AGI?

Pada 1980-an, pemikiran yang ada adalah bahwa jika kita bisa membangun jaringan neural yang cukup besar, itu akan secara spontan menjadi cerdas. Selama empat puluh tahun terakhir, skenario ini telah menjadi semakin tidak masuk akal. Jadi, jika pendekatan AI klasik tidak berhasil untuk AGI, mari kita lihat beberapa pendekatan yang berbeda, dan satu-satunya model AGI yang berfungsi yang kita miliki adalah otak manusia.

Pada saat yang sama, tidak ada alasan untuk mematuhi kemungkinan biologis secara ketat. Misalnya, kita tahu bahwa otak kita dapat memperkirakan jarak ke objek berdasarkan perbedaan kecil dalam gambar yang diterima oleh kedua mata kita, dasar untuk film 3D. Kita tidak tahu bagaimana ini bekerja di otak, jadi saya telah memprogram fungsionalitas ini dalam modul yang memperkirakan jarak menggunakan beberapa baris trigonometri. Kita dapat yakin bahwa otak Anda tidak bekerja dengan cara ini, tetapi pendekatan trigonometri kemungkinan lebih cepat dan akurat.

Anda menyatakan dalam buku bahwa AGI memerlukan robotika, mengapa ini sangat penting?

Pertimbangkan mencoba menjelaskan warna kepada orang buta atau musik kepada orang tuli. Jika prospek AGI hanya sebuah program pada komputer, bagaimana caranya untuk memahami hal-hal dasar yang diketahui oleh seorang anak berusia tiga tahun? Anak itu memiliki sudut pandang dan dikelilingi oleh kenyataan. Anak itu tahu bahwa objek ada di kenyataan itu dan bahwa banyak di antaranya dapat dimanipulasi. Dengan bermain dengan balok, anak dapat mempelajari tentang bentuk, ukuran, kepadatan, gravitasi, oklusi visual, jarak, dan seterusnya. Dengan gerakan otonom, visi, dan manipulator, AGI dapat mempelajari tentang kenyataan pada tingkat yang lebih mendasar daripada program yang hanya mengandalkan gunung teks dan data gambar.

Setelah AGI robotik telah memperoleh pemahaman dasar tentang objek dalam kenyataan, pengetahuan itu dapat dikloning ke mesin pemikir non-robotik dan pemahaman akan bertahan. Sama seperti seseorang yang kehilangan indra penglihatan atau pendengaran dapat memahami hal-hal dengan cara yang berbeda dari orang yang tidak pernah memiliki indra tersebut.

Salah satu aspek penting dari Brain Simulator II adalah bahwa itu tidak menggunakan backpropagation, apa yang menjadi alasan untuk tidak mengadopsi metode ini?

Otak Anda bekerja tanpa backpropagation, sehingga AGI pasti memungkinkan tanpa itu. Pada kenyataannya, backpropagation secara fundamental tidak kompatibel dengan model biologis karena bergantung pada kemampuan untuk merasakan dan memodifikasi bobot sinaps dengan presisi yang cukup. Setelah beberapa waktu dengan Brain Simulator, Anda akan menyimpulkan bahwa menetapkan bobot sinaps dengan tingkat presisi tertentu sangat sulit dan merasakan apa yang sebenarnya bobot sinaps itu adalah mustahil. Masalah dasar adalah bahwa neuron yang meledak memodifikasi bobot sinaps, tetapi tidak ada cara untuk mendeteksi bobot sinaps tanpa meledakkan neuron, sehingga bobot sinaps tidak dapat dirasakan tanpa memodifikasinya.

Backpropagation tidak memiliki analog biologis dan saya menganggapnya sebagai metode statistik yang sangat kuat. Banyak orang bekerja dengannya, beberapa dengan hasil yang sangat baik. Poin saya adalah untuk mencoba beberapa pendekatan yang berbeda. Dengan menggunakan neuron yang meledak dan modul perangkat lunak yang dapat dipasang, saya melihat masalah AGI dari perspektif yang berbeda.

Ketika otak dipandu, tampaknya ada ketidakteraturan dan keacakan, apakah ini sesuatu yang perlu kita kenalkan ke dalam sistem perangkat lunak untuk AGI yang sebenarnya muncul?

Saya tidak berpikir begitu. Ketika Anda melihat neuron dan sinaps individu, fungsinya cukup deterministik, seperti transistor. Di otak, hal-hal tampak acak karena tingkat kebisingan cukup tinggi dan komponen informasi tidak dalam urutan yang jelas. Tetapi pertimbangkan penglihatan Anda, Anda dapat membaca teks dengan jelas dan tidak ada ketidakteraturan atau keacakan dalam proses membaca. Jadi, kita menyimpulkan bahwa, setidaknya, korteks visual Anda cukup dapat diandalkan dan konsisten. Namun, ketika dipandu, tampaknya sama tidak teratur seperti bagian lain dari otak. Jadi, bagian lain dari otak kemungkinan sama dapat diandalkan dan konsisten seperti korteks visual, kita hanya belum melihat organisasi dan urutan yet. Ini sedikit seperti membaca bahasa Cina, bagi saya itu adalah tanda-tanda acak yang tidak teratur, tetapi bagi seseorang yang dapat membaca bahasa itu, ada organisasi absolut. Kita hanya belum dapat membaca bahasa internal otak yet.

Anda memperkenalkan konsep yang disebut Universal Knowledge Store (UKS), bisa Anda menjelaskan apa itu dan mengapa itu penting?

Mengingat kembali pertanyaan tentang robotika, Anda dapat melihat bahwa salah satu aspek kecerdasan umum adalah kemampuan untuk mengintegrasikan pengetahuan dari berbagai indra. Anda tahu tentang balok karena Anda dapat melihatnya, menyentuhnya, dan mendengar kata-kata tentangnya. Semua ini mewakili informasi tentang balok. Jadi, untuk AGI memiliki kemampuan serupa, itu harus memiliki mekanisme penyimpanan umum yang dapat menangani berbagai informasi yang berbeda dan membuat hubungan yang berguna antara berbagai item. UKS adalah sebuah grafik pengetahuan dalam cara yang sangat umum sehingga dapat menangani SEMUA jenis informasi dan SEMUA jenis hubungan.

UKS dapat menyimpan informasi spasial yang diperlukan untuk aplikasi labirin bersama dengan pohon keputusan dan hasil yang digunakan untuk menavigasi labirin untuk mencapai tujuan. Struktur yang sama digunakan untuk mengasosiasikan kata-kata dengan warna. Jenis keluasan ini mendasar untuk AGI.

Apa yang menjadi horizon waktu Anda untuk AGI muncul?

Sulit untuk dikatakan. Kami sudah memiliki perangkat keras yang diperlukan untuk AGI dan saya melihat bahwa satu terobosan saja yang diperlukan, dan itu bisa datang kapan saja. Biarkan saya mencoba untuk menjelaskan terobosan itu:

Pertimbangkan bahwa jika semua yang Anda ketahui adalah bahwa merah adalah-sebuah warna dan biru adalah-sebuah warna, saya dapat meminta Anda untuk menyebutkan beberapa warna dan Anda dapat mengatakan merah dan biru. Pertanyaannya adalah, bagaimana AGI dapat mempelajari bahwa hubungan “adalah-sebuah” adalah sesuatu. Saya bisa memprogram hubungan seperti itu dengan mudah, tetapi maka AGI saya tidak akan dapat mempelajari hubungan baru ketika mereka ditemui. Seorang anak dapat mempelajari tentang hubungan yang lebih dekat/jauh, lebih besar/lebih kecil, lebih awal/lebih lambat, sebelum/sesudah, dan seterusnya. Tetapi ini semua bergantung pada konsep yang lebih mendasar tentang ukuran, jarak, waktu, dan lain-lain.

Bagaimana sebuah kepenuhan neuron dapat mempelajari semua hal yang sangat mendasar ini? Ini terkait dengan kebutuhan akan robotika. Bagaimana AGI dapat mempelajari konsep jarak jika tidak dapat pergi ke mana pun atau meraih sesuatu? Ini juga terkait dengan kebutuhan akan penyimpanan universal. Bagaimana AGI dapat memahami pergi ke suatu tempat yang menggabungkan konsep lokasi dan waktu? Pergi ke suatu tempat relatif sederhana. Memahami apa yang dimaksud dengan pergi ke suatu tempat jauh lebih sulit. Saya percaya bahwa pertanyaan-pertanyaan yang sangat mendasar ini semua adalah manifestasi dari masalah yang mendasar yang sama dan solusi untuk masalah itu adalah terobosan yang diperlukan.

Tidak banyak orang yang bekerja pada pertanyaan ini, sebagian besar karena sangat sulit untuk mempresentasikan proyek yang, jika benar-benar sukses, akan memiliki kemampuan seorang anak berusia tiga tahun setelah tiga tahun, dan kemampuan seorang anak berusia sepuluh tahun setelah satu dekade. Jadi, solusi kemungkinan akan datang dari peneliti independen yang lebih kecil yang memiliki waktu dan energi untuk memperhatikan masalah dengan tidak ada hasil jangka pendek.

Apakah ada yang lain yang ingin Anda bagikan tentang Brain Simulator II atau AGI secara umum?

Ketika Anda mencoba menggunakan neuron dan sinaps untuk merancang sirkuit yang menangani masalah-masalah yang sangat mendasar ini, Anda menyimpulkan bahwa bukan konsep yang diwakili oleh beberapa lusin sinaps, tetapi setiap konsep memerlukan beberapa lusin neuron. Ini berarti bahwa bukan kapasitas otak yang banyak miliaran hal seperti yang umum dipercaya, tetapi terbatas pada memahami puluhan atau ratusan juta hal. Dengan ini dalam pikiran, AGI yang baru lahir yang dapat memahami hanya sepuluh juta hal seharusnya setidaknya dapat memahami beberapa konsep yang sangat mendasar ini. Dan sistem komputer yang mewakili sepuluh juta hal ini sudah dalam cakupan perangkat keras saat ini, mungkin bahkan komputer desktop saat ini.

Rilis V1.0 dari Brain Simulator benar-benar “kedewasaannya”. Sekarang memiliki kapasitas dan antarmuka pengguna yang lebih halus yang membuatnya jauh lebih berguna untuk audiens penelitian yang lebih umum. Ini adalah proyek komunitas dengan tim pengembangan yang tumbuh dan korps pengguna akhir yang lebih besar. Bersama, kita akan mencoba banyak ide baru dan membuat kemajuan pada beberapa pertanyaan mendasar tentang kecerdasan dan AGI.

Terima kasih atas wawancara yang luar biasa, selalu menarik membahas AGI dengan Anda. Pembaca yang ingin mempelajari lebih lanjut harus membaca buku Brain Simulator II.