Siktar mot resonerande AI
Forskare vid Luleå tekniska universitet försöker skapa system som motsvarar djurs och människors tankeförmågor. Målet är att bidra till lösningen av artificiell generell intelligens. – Det är det mest intressanta problemet att lösa för mänskligheten, säger Dmitri Rachkovskij, gästprofessor vid Luleå tekniska universitet.
tmaningen är att införa mänskligt resonerande i den neurala nätverksbaserade artificiella intelligensen. Det görs genom att använda begrepp från neurala nätverk och kombinera dem med symboliska resonemang. Det handlar om grundforskning som hör till det växande ämnesfält som kallas Hyperdimensional Computing eller Vector Symbolic Architectures (HDC/VSA).
– Med vårt tillvägagångssätt förenar vi olika grenar av AI. Då kan vi skapa mer generella system som ha fler möjligheter, säger Evgeny Osipov, professor i kommunikations- och beräkningssystem.
Svåra översättningar
Låt oss ta översättningstjänsten Google Translate som ett exempel. Med hjälp av AI-algoritmer kodas ord på ett sådant sätt att en stor del av ordens betydelse bevaras. Det gör att tjänsten levererar i stort sett korrekta översättningar. Men då och då blir översättningen och betydelsen fel. Det beror på att den AI-motorn som driver den typen av tjänster, inte tillämpar kunskap för att förstå och resonera kring de situationer som beskrivs i den givna texten.
– Det här är ett exempel på begränsningar som finns i moderna AI-system. De kan inte resonera kring vad de sysslar med, säger Evgeny Osipov.
Autonoma system
Området HDC/VSA förenar två huvudsakliga tillvägagångssätt för att skapa artificiell intelligens, det symboliska tillvägagångssättet och det neurala nätverket eller så kallade connectionist-metoden. Det symboliska förhållningssättet kan beskrivas som uppifrån och ner, från funktion till struktur. Om vi till exempel identifierar en funktion av naturlig intelligens som vi vill efterlikna, implementerar vi den med en datoralgoritm som arbetar med symboler och siffror. Det andra tillvägagångssättet har ett underifrånperspektiv, från struktur till funktion. Då bygger vi modeller av hjärnans neurala nätverk, ofta i termer av artificiella neuroner, och definierar vilken inlärningsregel de ska ha. I grund och botten kombinerar HDC/VSA fördelarna med de två AI-metoderna samtidigt som man försöker undvika deras nackdelar.
– Som ett mer tillämpat och grundläggande exempel på vår forskning utvecklar vi metoder för att kombinera objektrepresentationer från olika modaliteter. Enkelt uttryckt kombineras en visuell representation av till exempel en katt, med dess akustiska och taktila representationer. HDC/VSA möjliggör det här genom att använda högdimensionella distribuerade vektorrepresentationer och utan upplärning, säger Dmitri Rachkovskij.
– Förhoppningsvis kan vår forskning bidra till framtidens autonoma system, att de har en förmåga att resonera utan att människor ingriper, avslutar han.
Dmitri Rachkovskij arbetade tidigare vid International Research and Training Centre for Information Technologies and Systems, en forskningsorganisation vid National Academy of Sciences of Ukraine i Kiev. Under flera år har han skrivit gemensamma publikationer med forskare vid Luleå tekniska universitet. När kriget bröt ut i Ukraina, kunde Dmitri Rachkovskij med hjälp av medel från Stiftelsen för strategisk forskning, Luleå tekniska universitet och Vetenskapsrådet, komma till Luleå för att i säkerhet kunna fortsätta med sin forskning.
Läs mer om HDC/VSA och hur vi närmar oss resonerande AI:
Uppdaterad:
Sidansvarig: Forskning