Gândirea ca un om: poate inteligența artificială dezvolta raționament analogic?

Când se confruntă cu ceva nou, oamenii instinctiv caută comparații. Un copil care învață despre atomi poate auzi că electronii orbitează nucleul “ca planetele 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 – vederea modului în care o lucrare se aseamănă 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 Inteligență Artificială Generală – Sfânta Scriptură a IA care a fost atât de greu de atins – trebuie să aflăm 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 doar 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 aceeași funcție, și anume circulația fluidului printr-un sistem. Și este exact această capacitate de a mapa relații tipice într-un context și de a le transfera în alt context care face ca învățarea, creativitatea și rezolvarea problemelor umane să fie atât de unice.

Există multe exemple din lumea reală. Luați-l pe August Kekulé, chimistul german genial, care a primit o idee despre structura benzinei sub forma unui vis în care a văzut o șarpe care își mușcă 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 conducte.

Sistemele de IA actuale, însă, găsesc această abilitate cognitivă comună foarte dificilă. Când li se cere, 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 dovezi în creștere sugerează că adesea se angajează într-un pattern matching sofisticat, mai degrabă decât o mapare structurală reală. Când cercetătorii prezintă aceste modele cu probleme analogice noi care se abat de la datele lor de antrenare, performanța lor adesea scade. 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

Este evident că raționamentul analogic este sine qua non al IA generală. 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 autonomă care a învățat să navigheze pe străzile soarelui din California, dar nu poate extrapola această învățare pentru a gestiona condiții 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, da, dar numai într-un mod limitat.

Construirea minții analogice

Deci, ce ar fi necesar pentru a dezvolta sisteme de IA capabile de raționament analogic uman? Pe baza cercetărilor emergente și a naturii fundamentale a gândirii analogice, mai multe condiții și tehnici critice par a fi necesare.

Date de antrenare structurate și diverse

Prima cerință este de a avea sisteme de IA antrenate pe date care merg dincolo de modelele de suprafață ale textului. Internetul, cu depozitul său vast de articole științifice, documentație tehnică, lucrări creative și conținut explicativ, este un punct de plecare bun. Dar nu orice date de internet vor face. 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 încă de la începutul antrenării. Datele lor de antrenare ar putea include planuri arhitecturale alături de partituri muzicale, demonstrații matematice împreună cu poezie sau argumente juridice lângă rețete de gătit. Deoarece fiecare domeniu încorporează tipuri diferite de structuri relationale, un sistem de IA care aspiră la inteligență generală ar beneficia de acest tip de exercițiu.

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 acest lucru ca la învățarea sistemelor de IA nu doar ce lucruri sunt, ci și cum se relaționează unele cu altele în moduri principiale.

Testarea dincolo de setul de antrenare

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 înainte. Acest lucru implică construirea de probleme de test care sunt intenționat disimilare de orice ar putea apărea în datele de antrenare – ceea ce cercetătorii numesc ” sarcini contrafactuală”.

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

Măsurarea a ceea ce contează

Vestea bună pentru dezvoltatorii de IA este că există zeci de ani de cercetare în știința cognitivă care se ocupă în mod special de modul în care oamenii procesează analogiile. Ei pot folosi această cercetare pentru a dezvolta repere robuste 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 capturează dacă sistemele de IA pot identifica care relații sunt relevante pentru a mapa, ignorând asemănările superficiale și menținând consistența în traversarea mapping-urilor lor.

Acest lucru ar putea implica sisteme de scorare care răsplătesc identificarea relațiilor de ordin superior. De exemplu, un sistem de IA va obține un scor mai mare dacă poate nu numai să recunoască că atât atomii, cât și sistemele solare implică orbite, dar și să înțeleagă relațiile cauzale care guvernează aceste orbite. O altă competență care ar putea fi evaluată ar fi dacă sistemul de IA poate genera spontan analogii adecvate pentru a explica concepte noi, și nu doar pentru a completa probleme de analogie prestructurate.

Scafolding prin promptare

Cercetările recente sugerează că capacitatea sistemelor de IA de a gândi analogic depinde în mare măsură de modul în care li se cere să o facă. Promptarea analogică – ghidarea explicită a modelelor prin procesul de mapare structurală – poate elicia un raționament mai sofisticat decât simpla prezentare a problemelor. Acest lucru ar putea implica mai întâi cererea sistemului de a identifica relații într-un domeniu sursă, apoi solicitarea explicită de a mapa acele relații într-un domeniu țintă.

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

Arhitecturi hibride

Atingerea unui raționament analogic similar celui uman ar putea necesita să mergem dincolo de abordările pure de rețea neurală. Sisteme hibride care combină recunoașterea de patternuri cu raționamentul simbolic – reprezentarea și manipularea explicită a relațiilor structurale – ar putea furniza piesa lipsă. În timp ce rețelele neuronale excelează în învățarea patternurilor implicite, sistemele simbolice pot impune consistența structurală și mapping-ul logic pe care raționamentul analogic îl cere.

Arhitecturile hibride sunt încă în stadiul de început, dar cercetătorii explorează activ potențialul lor. Unii, de exemplu, 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 întrebi, raționamentul analogic este fie deja emergent, fie sistemele de IA devin pur și simplu mai sofisticate în mimicry-ul lor. Oricare 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, inovații fundamentale în structurarea, antrenarea și evaluarea sistemelor noastre de IA.

Pe măsură ce se desfășoară capacitățile transformatoare ale IA, raționamentul analogic vine să reprezinte atât o bornă critică de performanță, cât și o amintire sobră a golului 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 trecut un prag critic către adevărata inteligență.