Gândirea ca un om: Poate IA să dezvolte raționamentul analogic?

Când se confruntă cu ceva nou, ființele umane ajung instinctiv la comparații. Un copil care învață despre atomi poate auzi că electronii orbitează nucleul “ca planetele care orbitează soarele.” Un antreprenor poate prezenta startup-ul său ca “Uber pentru îngrijirea animalelor de companie.” Un om de știință poate spune unei audiențe non-specializate că creierul procesează informații “ca un computer.”

Această săritură mentală – văzând cum o lucruri seamănă cu alta în structura sa profundă – se numește raționament analogic. Și poate fi ingredientul care separă inteligența umană de IA în forma sa actuală. Dacă vrem să dezvoltăm vreodată Inteligența Artificială Generală – Sfântul Graal al IA care a fost până acum inaccesibil – trebuie să stabilim dacă este posibil ca mașinile să învețe să gândească analogic. Mizele nu pot fi mai mari. Dacă răspunsul este “Nu”, atunci chiar și cele mai sofisticate sisteme de IA vor rămâne pentru totdeauna nimic mai mult decât calculatoare glorificate. Ele nu vor putea rezolva probleme care necesită mai mult decât o rearanjare a datelor pe care le-au fost antrenate.

Arhitectura înțelegerii

Raționamentul analogic funcționează la nivelul asemănărilor structurale, și nu al celor de suprafață. De exemplu, ce face ca inimile și pompele de apă să fie asemănătoare? Cu siguranță, nu aspectul lor fizic. Este faptul că ambele îndeplinesc exact aceeași funcție, și anume circulația fluidului printr-un sistem. Și este exact această capacitate de a mapa relații tipice dintr-un context în altul care face ca învățarea, creativitatea și rezolvarea problemelor umane să fie atât de unice.

Nu există lipsă de exemple din lumea reală. Luați-l pe August Kekulé, chimistul german genial, care a primit o sugestie despre structura benzinei sub forma unui vis în care a văzut o șarpe care își mușca coada. Astăzi, programatorii aplică lecții din organizarea unei bucătării atunci când structurează codul, iar profesorii explică curentul electric prin compararea lui cu apa care curge prin țevi.

Sistemele de IA actuale, însă, găsesc această abilitate cognitivă comună foarte dificilă. Când sunt solicitate, modelele de limbaj mari (LLM) moderne sunt mai mult decât fericiți să explice de ce “timpul este bani” sau să completeze puzzle-uri de raționament verbal. Dar dovezile în creștere sugerează că adesea se angajează în recunoașterea sofisticată a modelelor, și nu în cartografierea structurală reală. Când cercetătorii prezintă acestor modele probleme analogice noi care se abat de la datele de antrenament, performanța lor scade adesea. Acest lucru se datorează faptului că LLM-urile excelează în reproducerea analogiilor pe care le-au văzut anterior, dar ezită atunci când li se cere să forjeze noi conexiuni.

Fără raționament analogic, fără IA generală

Evident, raționamentul analogic estesine qua non al IA generale. Fără el, sistemele de IA rămân fragile, incapabile să adapteze cunoștințele care sunt relevante într-un domeniu pentru a rezolva probleme în altul. De exemplu, imaginați-vă o mașină cu conducere autonomă care a învățat să navigheze pe străzile soarelui din California, dar nu poate extrapola această învățare pentru a face față condițiilor de zăpadă. Sistemul de IA al mașinii este un pattern matcher scump, nu un sistem capabil de inteligență reală. Inteligența adevărată ar necesita flexibilitatea cognitivă de a recunoaște că conducerea pe drumuri alunecoase este structural comparabilă cu alte scenarii de suprafețe alunecoase, chiar dacă detaliile diferă.

Același principiu se aplică și în domenii dincolo de vehiculele autonome, desigur. Gândirea analogică conduce, de asemenea, progresul în știință, diagnosticarea medicală, raționamentul juridic și eforturile creative. Sistemele de IA fără această capacitate seamănă cu un savant care a memorizat o întreagă bibliotecă, dar nu poate sintetiza acea cunoaștere între discipline. Impresionant, desigur, dar numai într-un mod limitat în mod îngust.

Construirea minții analogice

Deci, ce ar necesita dezvoltarea sistemelor de IA capabile de raționament analogic uman? Pe baza cercetărilor emergente și a naturii fundamentale a gândirii analogice, apar să fie necesare câteva condiții și tehnici critice.

Date de antrenament structurate și diverse

Prima cerință este ca sistemele de IA să fie antrenate pe date care merg dincolo de modelele de text de suprafață. Internetul, cu vasta sa colecție de articole științifice, documentație tehnică, lucrări creative și conținut explicativ, este un punct de plecare bun. Dar nu orice date de pe internet vor funcționa. Ce este necesar este diversitate structurală. Cu alte cuvinte, pentru a ghida sistemele de IA spre a învăța să recunoască modele abstracte, dezvoltatorii ar trebui să le expună la contraste de la începutul antrenamentului. Datele lor de antrenament ar putea include planuri arhitecturale lângă partituri muzicale, demonstrații matematice împreună cu poezie sau argumente juridice lângă rețete de gătit.

Mai important, aceste date trebuie să păstreze și să evidențieze relațiile structurale, și nu doar corelațiile statistice. Grafuri de cunoaștere, diagrame cauzale și relații explicit mapate între concepte ar putea ajuta sistemele de IA să învețe să “vadă” structura, și nu să memoreze asocieri în mod mecanic. Gândiți-vă la aceasta ca la predarea IA nu doar ce sunt lucrurile, ci cum se relaționează între ele în moduri principiale.

Testarea dincolo de setul de antrenament

Pentru a ne asigura că sistemele de IA învață să raționeze analogic și nu doar să-și îmbunătățească abilitățile de mimicry, avem nevoie de instrumente care să sondeze deliberat capacitatea lor de a mapa structura în situații pe care nu le-au întâlnit niciodată anterior. Acest lucru implică construirea unor probleme de test care sunt intenționat disimilare de orice ar putea apărea în datele de antrenament – ceea ce cercetătorii numesc ” sarcini contrafactuale”.

De exemplu, în loc să cerem unui IA să completeze analogii standard, cum ar fi “puppy este pentru câine, ca kitten este pentru ____”, i-am putea prezenta probleme care folosesc concepte inventate sau să-l cerem să mapa relații între domenii pe care nu le-a văzut niciodată conectate. Poate recunoaște că relația dintre ingrediente și o rețetă se paralelizează cu relația dintre dovezi și un argument juridic, chiar dacă nu a întâlnit niciodată acea comparație specifică? Astfel de teste ar dezvălui dacă sistemul înțelege structurile subiacente sau doar amintește exemple similare.

Măsurarea a ceea ce contează

Veștile bune pentru dezvoltatorii de IA sunt că există zeci de ani de cercetare în știința cognitivă care se ocupă în mod specific de modul în care oamenii procesează analogiile. Ei pot folosi această cercetare pentru a dezvolta repere solide pentru raționamentul analogic. Cu toate acestea, aceste repere trebuie să meargă dincolo de simpla numărare a răspunsurilor corecte la teste de analogie. Ce este cu adevărat necesar sunt metrici care să captureze dacă sistemele de IA pot identifica care relații sunt relevante pentru a mapa, în timp ce ignoră asemănările superficiale și mențin consistența în traversarea mapping-urilor lor.

Acest lucru ar putea implica sisteme de scorare care recompensează identificarea relațiilor de ordine superior. De exemplu, un IA va primi un scor mai mare dacă poate recunoaște nu numai că atât atomii, cât și sistemele solare implică orbite, ci și că poate înțelege relațiile cauzale care guvernează acele orbite. O altă competență care ar putea fi evaluată ar fi dacă IA poate genera spontan analogii potrivite pentru a explica concepte noi, și nu doar pentru a completa probleme de analogie prestructurate.

Susținerea prin promptare

Cercetările recente sugerează că capacitatea IA de a gândi analogic depinde în mare măsură de modul în care este solicitată să o facă. Promptarea analogică – ghidarea explicită a modelelor prin procesul de mapping structural – poate elicita un raționament mai sofisticat decât simpla prezentare a problemelor. Acest lucru ar putea implica solicitarea inițială a sistemului să identifice relații într-un domeniu sursă, apoi solicitarea explicită de a mapa acele relații într-un domeniu țintă.

Această tehnică ar putea servi unor scopuri duble: îmbunătățirea capacităților analogice ale sistemelor de IA actuale, și generarea de date de antrenament pentru modele viitoare. Prin înregistrarea instanțelor de raționament analogic ghidat de succes, pot fi create exemple care pot învăța sistemele ulterioare să se angajeze în acest proces în mod mai natural.

Arhitecturi hibride

Atingerea raționamentului analogic umanoid ar putea necesita depășirea abordărilor pure de rețele neuronale. Sistemele hibride care combină recunoașterea modelelor cu raționamentul simbolic – reprezentarea explicită și manipularea relațiilor structurale – ar putea oferi piesa lipsă. În timp ce rețelele neuronale excelează în învățarea modelelor implicite, sistemele simbolice pot impune consistența structurală și mapping-ul logic pe care raționamentul analogic le cere.

Arhitecturile hibride sunt încă în stadiul de început, dar cercetătorii explorează activ potențialul lor. Unii susțin combinarea rețelelor neuronale cu raționamentul simbolic care ar putea duce la capacități analogice îmbunătățite. Alții promovează modele hibride construite pentru a aborda tendința modelelor de IA de a confabula și a gândi analogic într-un mod superficial.

Unde mai departe?

În funcție de cine întrebați, raționamentul analogic este fie deja emergent, fie IA este pur și simplu mai sofisticată în mimicry. Ori care poziție este mai aproape de adevăr, este clar că, dacă visul IA generală urmează să fie realizat, va necesita mai mult decât doar modele mai mari sau mai multe date. Va necesita, de asemenea, câteva inovații fundamentale în structurarea, antrenarea și evaluarea sistemelor noastre de IA.

Pe măsură ce capacitățile transformative ale IA se desfășoară, raționamentul analogic vine să reprezinte atât o bornă critică de performanță, cât și o amintire sobră a decalajului dintre capacitățile actuale ale IA și cogniția umană reală. Când un sistem de IA poate vedea că democrația este pentru cetățeni ceea ce orchestra este pentru muzicieni – recunoscând nu caracteristicile de suprafață, ci relațiile structurale profunde despre coordonare, reprezentare și armonie emergentă – va fi traversat un prag critic către inteligență adevărată.