Charles Simon, autorul cărții Brain Simulator II – Seria de interviuri

Charles Simon este autorul cărții Brain Simulator II, o carte însoțitoare a proiectului software Brain Simulator II, un proiect software gratuit și open-source care vizează crearea unui sistem de inteligență artificială generală (AGI)

Software-ul original Brain Simulator a fost lansat în 1988, o perioadă enormă de timp în lumea software-ului. Cât de mare este saltul înainte al Brain Simulator II în comparație cu predecesorul său?

Sistemul de astăzi este de peste un milion de ori mai rapid. Software-ul original a fost scris în FORTRAN, rulează pe un clon IBM AT, suportă un tablou fix de 1.200 de neuroni și calculează aproximativ două cicluri pe secundă. Programul de astăzi poate rule pe o rețea și procesa 2,5 miliarde de sinapse pe secundă pe un procesor desktop puternic.

Ce fel de experiență de programare este necesară pentru a rula acest software?

Nu este necesară nicio experiență. Dacă nu sunteți programator, puteți petrece timp cu Brain Simulator și puteți învăța despre capacitățile și limitările neuronilor, un pic despre reprezentarea cunoștințelor și puteți chiar construi rețele limitate. Dacă sunteți programator, veți urma explicațiile tehnice mai detaliate și veți construi module pentru a extinde sistemul la strategii AGI mai avansate.

De ce este important să ne întoarcem la rădăcinile biologice ale inteligenței artificiale pentru a atinge AGI?

În anii 1980, se credea că dacă putem construi o rețea neurală suficient de mare, aceasta va deveni inteligentă în mod spontan. În ultimii patruzeci de ani, acest scenariu a devenit din ce în ce mai puțin plauzibil. Deci, dacă abordările clasice de inteligență artificială nu au funcționat pentru AGI, să încercăm abordări diferite, și singurul model de AGI care funcționează pe care îl avem este creierul uman.

În același timp, nu există nicio rază pentru a adera în mod sclav la plauzibilitatea biologică. De exemplu, știm că creierul nostru poate estima distanțele la obiecte pe baza unor diferențe mici în imaginile primite de cei doi ochi, baza pentru filmele 3D. Nu știm cum funcționează acest lucru în creier, așa că, în schimb, am programat această funcționalitate într-un modul care estimează distanțele utilizând câteva linii de trigonometrie. Putem fi destul de siguri că creierul dvs. nu funcționează în acest fel, dar abordarea trigonometrică este probabil mai rapidă și mai precisă.

Ați afirmat în cartea dvs. că un AGI necesită robotică, de ce este atât de important?

Încercați să explicați culoarea unei persoane oarbe sau muzica unei persoane surde. Dacă un AGI prospectiv este doar un program pe un computer, cum poate obține o înțelegere de bază a lucrurilor pe care orice copil de trei ani le știe? Copilul are un punct de vedere și este înconjurat de realitate. Copilul știe că obiectele există în acea realitate și că multe dintre ele pot fi manipulate. Prin a juca cu cuburi, un copil poate învăța despre formă, mărime, soliditate, gravitație, ocluzie vizuală, distanță și multe altele. Cu mișcare autonomă, viziune și manipulatoare, un AGI poate învăța despre realitate la un nivel mai fundamental decât orice program care se bazează doar pe munți de date text și imagini.

După ce un AGI robotic a dobândit o înțelegere fundamentală a obiectelor din realitate, acea cunoaștere poate fi clonată în mașini de gândire non-robotice și înțelegerea va persista. La fel cum o persoană care își pierde simțurile vederii sau auzului poate înțelege lucrurile într-un mod diferit decât o persoană care nu a avut niciodată aceste simțuri.

Un aspect important al Brain Simulator II este că nu utilizează backpropagation, care este rațiunea pentru care nu ați adoptat această metodologie?

Creierul dvs. funcționează fără backpropagation, deci AGI trebuie să fie posibil fără aceasta. De fapt, backpropagation este fundamental incompatibil cu un model biologic, deoarece se bazează pe capacitatea de a simți și modifica greutățile sinapselor cu o precizie considerabilă. După un timp cu Brain Simulator, veți concluziona că setarea greutăților sinapselor cu o anumită precizie este foarte dificilă și detectarea precisă a greutăților sinapselor este imposibilă. Problema fundamentală este că neuronii care se activează modifică greutățile sinapselor, dar nu există nicio modalitate de a detecta o greutate a sinapselor fără a modifica-o.

Backpropagation nu are un analog biologic și îl consider o metodă statistică extrem de puternică. Mulți oameni lucrează cu aceasta, unii cu rezultate excelente. Punctul meu este de a încerca abordări diferite. Prin utilizarea neuronilor care se activează, combinați cu module software plug-in, examinez problemele AGI dintr-o perspectivă diferită.

Când creierul este investigat, pare a fi haos și aleatoriu, este acest lucru ceva ce trebuie introdus într-un sistem software pentru a obține AGI adevărat?

Nu cred. Când examinați neuronii și sinapsele individuale, funcția lor este destul de deterministă, la fel ca și tranzistorul. În creier, lucrurile par aleatorii, deoarece nivelurile de zgomot sunt destul de ridicate și componentele de informații nu sunt în niciun fel ordonate. Dar considerați-vă vederea, puteți citi textul cu claritate și nu există niciun haos sau aleatoriu în procesul de citire. Deci, concluzionăm că, cel puțin, cortexul dvs. vizual este destul de fiabil și repetabil. În același timp, când este investigat, pare la fel de haotic ca și restul creierului. Așa că restul creierului este probabil la fel de fiabil și repetabil ca și cortexul vizual, doar că nu vedem încă organizarea și ordinea. Este un pic ca și cum ați citi chineză, pentru mine este un marcaj semi-aleatoriu, dar pentru cineva care poate citi limba, există o organizare absolută. Noi nu putem încă citi limba internă a creierului.

Ați introdus un concept numit Universal Knowledge Store (UKS), puteți discuta pe scurt ce este și de ce este important?

Înapoi la întrebarea despre robotică, puteți vedea că o fațetă a inteligenței generale este capacitatea de a integra cunoștințe din diverse simțuri. Știți despre un cub pentru că îl puteți vedea, atinge și auzi cuvinte despre el. Toate acestea reprezintă informații despre un cub. Așa că, pentru un AGI să aibă capacități similare, trebuie să aibă un mecanism general de stocare care să poată gestiona o varietate largă de informații disparate și să creeze relații utile între diversele elemente. UKS este un grafic de cunoaștere într-un mod foarte general, astfel încât să poată gestiona orice fel de informație și orice fel de relații.

UKS poate stoca informații spațiale necesare pentru aplicația labirintului, împreună cu arborele de decizie și rezultat utilizat pentru a traversa labirintul și a atinge un obiectiv. Aceeași structură este utilizată pentru a asocia cuvinte cu culori. Acest fel de generalitate este fundamental pentru AGI.

Care este orizontul dvs. de timp pentru ca AGI să apară?

Este dificil de spus. Deja avem hardware-ul necesar pentru AGI și văd că o singură descoperire este tot ce este necesar, și aceasta poate apărea în orice moment. Încerc să descriu acea descoperire:

Considerați că, dacă tot ce știți este că roșu este o culoare și albastru este o culoare, vă pot întreba să numiți câteva culori și puteți spune roșu și albastru. Întrebarea este, cum poate un AGI învăța că relația “este-o” este ceva. Aș putea programa o astfel de relație cu ușurință, dar atunci AGI-ul meu nu va putea învăța relații noi pe măsură ce sunt întâlnite. Un copil poate învăța despre relații de mai aproape/mai departe, mai mare/mai mic, mai devreme/mai târziu, înainte/după și multe altele. Dar acestea se bazează pe concepte și mai fundamentale de mărime, distanță, timp și multe altele.

Cum poate un creier plin de neuroni învăța toate aceste lucruri fundamentale? Acest lucru se leagă de nevoia de robotică. Cum poate un AGI învăța conceptul de distanță dacă nu poate merge nicăieri sau atinge nimic? Acest lucru se leagă și de nevoia de stocare universală. Cum poate un AGI înțelege ce înseamnă a merge undeva, care combină conceptele de locație și timp? A merge undeva este relativ ușor. Înțelegerea ce înseamnă a merge undeva este mult mai dificilă. Cred că toate aceste întrebări fundamentale sunt manifestări ale aceleiași probleme subiacente și soluția la acea problemă este descoperirea necesară.

Nu prea multe persoane lucrează la această întrebare, în mare parte pentru că este atât de dificil de a prezenta un proiect care, dacă este cu adevărat de succes, va avea capacitățile unui copil de trei ani după trei ani și capacitățile unui copil de zece ani după un deceniu. Așa că soluția va veni probabil de la cercetători independenți mai mici, care au timpul și energia de a se dedica problemelor cu randament pe termen lung.

Există altceva pe care ați dori să-l împărtășiți despre Brain Simulator II sau AGI în general?

Când încercați să utilizați neuroni și sinapse pentru a proiecta circuite care abordează aceste probleme fundamentale, ajungeți la concluzia că, mai degrabă decât un concept care este reprezentat de câteva zeci de sinapse, fiecare necesită câteva zeci de neuroni. Acest lucru înseamnă că, în loc de capacitatea creierului de a fi de miliarde de lucruri, cum se crede în mod obișnuit, este limitată la a înțelege sute de milioane de lucruri. Cu această idee în minte, un AGI care ar putea înțelege doar zece milioane de lucruri ar trebui să poată înțelege cel puțin unele dintre aceste concepte fundamentale. Și un sistem de calculator care reprezintă zece milioane de lucruri este bine în limitele hardware-ului de astăzi, poate chiar al calculatorului de birou de astăzi.

Versiunea 1.0 a Brain Simulator este, de fapt, “majoratul” său. Acum are capacitatea și interfața de utilizator lustruită, care îl fac mult mai util pentru o audiență de cercetare mai largă. Este un proiect comunitar cu o echipă de dezvoltare în creștere și un corp mai mare de utilizatori finali. Împreună, vom încerca o mulțime de idei noi și vom face progrese în unele dintre întrebările fundamentale ale inteligenței și AGI.

Mulțumim pentru acest interviu minunat, este întotdeauna interesant să discutăm despre AGI cu dvs. Citiitorii care doresc să afle mai multe ar trebui să citească cartea Brain Simulator II.