Gereedschappen gebruiken zoals mensen dat doen (video)

Om dit uit te vinden, ontrierpen onderzoekers van het MiT het Virtual Tools-game waarbij mensen één object moeten selecteren uit een reeks ‘gereedschappen’ die ze in een tweedimensionale, geautomatiseerde scène kunnen plaatsen om een ​​doel te bereiken, zoals een bal in een bepaalde container krijgen. Om de puzzels in dit spel op te lossen, moet je over een aantal fysieke principes nadenken, waaronder het starten, blokkeren of ondersteunen van objecten.

Het team stelde de hypothese dat er drie eigenschappen zijn waarop mensen vertrouwen om deze puzzels op te lossen: een bestaand idee over de acties die een verschil zullen maken, het vermogen om zich het effect van hun acties voor te stellen, en een mechanisme om overtuigingen snel bij te stellen. Ze bouwden een computermodel dat gebruikt maakt van deze zelfde principes, het ‘Sample, Simulate, Update'(SSUP)-model, en lieten dit het hetzelfde spel spelen als mensen. SSUPloste  elke puzzel met vergelijkbare snelheden en op vergelijkbare manieren op als mensen. Een populair computermodel voor deep learning dat goed is in Atari-spellen, kan dit niet.

Dit onderzoek biedt een nieuw raamwerk voor het bestuderen en formaliseren van de cognitie die het gebruik van menselijke instrumenten ondersteunt. Het team hoopt dit raamwerk uit te breiden, niet alleen om het gebruik van gereedschappen te bestuderen, maar ook om te leren hoe mensen innovatieve nieuwe tools voor nieuwe problemen creëren, en hoe mensen deze informatie overdragen om de stap te maken van het bouwen van eenvoudige fysieke gereedschappen naar complexe objecten, als computers of vliegtuigen.

Van mens naar machine

Joshua Tenenbaum, hoogleraar computationele cognitieve wetenschap, ziet het werk als een stap om meer mensachtige vormen van intelligentie in machines te bouwen. "Onderzoekers op het gebied van kunstmatige intelligentie zijn erg enthousiast over het potentieel voor algoritmen die kunnen leren van vallen en opstaan, zoals mensen dat doen, maar de mens leert al van een handvol gevallen, niet miljoenen of miljarden ervaringen, zoals in de huidige computersystemen. Met de Virtual Tools-game kunnen we deze zeer snelle en veel natuurlijkere vorm van leren met vallen en opstaan ​​bij mensen bestuderen, en het feit dat het SSUP-model in staat is om de snelle leerdynamiek vast te leggen die we bij mensen zien, suggereert dat het ook de weg wijzen naar nieuwe AI-benaderingen die net zo snel en flexibel als mensen kunnen leren van hun successen, mislukkingen en bijna-ongelukken. "