Neirozinātnieki apgalvo, ka homeostāzes bioloģiskais princips radīs viedus robotus ar jūtām un domām.
Mūsdienu pasaulē roboti izjūt tikai citas jūtas kā novokaīns iegremdēts akmens. Tomēr, iespējams, ir veids, kā iemācīt robotiem justies, saka neirozinātnieki Kingsons Mans un Antonio Damasio. Lai to izdarītu, jums vienkārši jāizveido robots, kas uztver briesmas un saprot draudus savai eksistencei. Tad viņam būs jāattīsta tikai jūtas, kas noteiks viņa izturēšanos, kas nepieciešama izdzīvošanas nodrošināšanai. "Mūsdienu robotiem trūkst maņu," Mengs un Damasio raksta savā rakstā Nature Machine Intelligence. "Viņi nevar noteikt savu iekšējo procesu stāvokli garīgajā telpā."
Zinātnieki ir ierosinājuši veidu, kā nodrošināt mašīnas (piemēram, robotus vai humanoīdus androīdus) ar "jutekļu mākslīgiem ekvivalentiem". Faktiski robotiem vajadzētu piespiest ievērot homeostāzes bioloģisko principu - ieaudzināt viņiem vēlmi izdzīvot. Mākslīgā intelekta izpratne par saviem iekšējiem procesiem izdzīvošanas kontekstā ir pielīdzināma jūtu robotizētai versijai.
Kingsons Mans un Antonio Damasio ir pārliecināti, ka jutekļi ne tikai parādīs robotiem pašsaglabāšanās instinkta līdzību, bet arī ļaus mākslīgajam intelektam precīzāk atdarināt cilvēka intelektu.
Šī jaunā informācija būs piemērota dažādiem uzdevumiem. Padarīt robotus patiesi gudrus ir iespējams tikai ar jūtu palīdzību, uzskata Mengs un Damasio, un jūtas raksturīgas tikai tiem, kuri cenšas izdzīvot. Kad cilvēki robotu uztur darba kārtībā (visi tā vadi ir savienoti, tas saņem pietiekami daudz enerģijas, nepārkarst un nesasalst), nav jāuztraucas par pašsaglabāšanos. Tāpēc viņam nav vajadzīgas sajūtas, bet tikai mierīgi ziņo par kļūdām.
Sajūtas motivē dzīvās būtnes meklēt optimālus apstākļus un apstākļus, kas nepieciešami izdzīvošanai. Mākslīgajam intelektam, apzinoties savu ievainojamību, vajadzētu rīkoties tāpat.
Spēja radīt mašīnas ar sajūtām nāk no nesenajiem sasniegumiem divās galvenajās pētniecības jomās: mīkstā robotika un dziļa apmācība. Mīkstās robotikas sasniegumi var radīt sajūtas, un jaunas dziļas mācīšanās metodes ļaus veikt sarežģītus aprēķinus, kas nepieciešami, lai šīs jūtas pārvērstu par izturēšanās izturēšanos.
Dziļās mācības ir mūsdienīgs mākslīgo neironu tīklu idejas pēcnācējs - savstarpēji savienotu skaitļošanas elementu kopas, kas atdarina dzīvo smadzeņu nervu šūnas. Viena slāņa paraugi tiek nodoti nākamajam līmenim un pēc tam nākamajam, kas ļauj mašīnai atpazīt modeļus modeļos. Dziļās mācīšanās ļauj robotiem klasificēt modeļus kategorijās, identificējot objektus (piemēram, kaķus) vai nosakot, vai CT skenēšana atklāj vēža vai citas slimības pazīmes.
Reklāmas video:
Aprēķinot vides stāvokli, dziļas apmācības mašīna varētu pārveidot ievades datus situācijas attēlā. Šāda vieda mašīna, kā uzsver Mengs un Damasio, var “savienot maņu modalitātes”: piemēram, atpazīt, kā lūpu kustības (vizuālā modalitāte) atbilst balss skaņām (dzirdes modalitāte).
Tomēr spēja sajust savus iekšējos stāvokļus ir bezjēdzīga, nedraudot par eksistenci. Ja robots ir izgatavots no mīkstiem materiāliem ar iebūvētiem sensoriem, tas var baidīties tikt sagriezts vai ievainots un iesaistīsies programmā, lai izvairītos no ievainojumiem. Turklāt robots, kas spēj novērtēt eksistenciālos riskus, var iemācīties attīstīt jaunas aizsardzības metodes, nevis paļauties uz esošajām darbības programmām. Jaunu pašaizsardzības metožu izstrāde var arī uzlabot domāšanas prasmes.
Tāpēc pašaizsardzība var motivēt robotus tāpat kā Īzaka Asimova slavenajos trīs robotikas likumos: “Robots nevar nodarīt kaitējumu cilvēkam vai ar savas bezdarbības palīdzību ļaut cilvēkam nodarīt kaitējumu. Robotam ir jāievēro visi cilvēka dotie rīkojumi, izņemot gadījumus, kad šie rīkojumi ir pretrunā ar Pirmo likumu. Robotam ir jārūpējas par tā drošību tiktāl, ciktāl tas nav pretrunā ar Pirmo vai Otro likumu."
Autors: Kirils Panovs