Mungkin saja di masa yg akan tiba robot humanoid bisa, menjadi teman insan menyerupai yg digambarkan di banyak sekali film fiksi ilmiah
Pada periode 50an hingga 60an, para peneliti intelegensi buatan (IB) mencoba untuk mengungkap proses berpikir. Namun ternyata proses itu lebih kompleks dari yg pernah dibaygkan. Sejak dikala itu para peneliti intelegensi buatan malahan mengkamulkan probabilitas yaitu pola statistik yg sanggup dimengerti komputer dari kumpulan data latihan.
Pendekatan probabilistik telah menghasilkan hampir keseluruhan kemajuan di bi&g intelegensi buatan, menyerupai banyak sekali sistem pengenalan bunyi / voice recognition systems, / pun sebuah sistem yg merekomendasikan film bagi para langganan Netfix. Akan tetapi Noah Goodman, seorang peneliti MIT di serpihan Otak & Ilmu Kognisi tapi laboratoriumnya Ilmu Komputer & Intelegensi Buatan, berpikir bahwa IB kehilangan sesuatu yg berharga dengan tidak meneliti proses berpikir. Dengan mengkombinasikan sistem proses berpikir usang bersama sistem probabilistik baru, Goodman menemukan jalan untuk memetakan pikiran yg memperlihatkan efek luas bagi IB maupun ilmu kognitif.
Para peneliti IB terdahulu melihat proses berpikir sebagai kesimpulan logika: kalau kau tahu bahwa burung bisa, terbang & dikatakan bahwa akup yg terbuat dari lilin ialah seekor burung, maka kau bisa, menyimpulkan bahwa akup lilin itu bisa, terbang. Salah satu dari penelitian IB pertama ialah pengembangan bahasa matematis yg menyerupai dengah bahasa komputer di mana para peneliti bisa, menyandikan / mengkodekan pernyataan menyerupai "burung bisa, terbang" & "akup lilin ialah burung". Jika bahasa itu dulunya cukup tepat, algoritma komputer bisa, menyisir pernyataan yg tersimpan & mengkalkulasi semua kesimpulan logika yg sah. Setelah mereka menyebarkan bahasa menyerupai itu, para peneliti IB mulai menggunakan bahasa itu untuk mengkodekan banyak pernyataan berdasarkan budi sehat, yg disimpan di basis data yg sangat besar.
Masalah yg dihadapi dengan pendekatan ini yaitu bahwa tak semua burung bisa, terbang. Lagi pula di antara burung yg sanggup terbang, ada perbedaan antara rajawali dalam kandang & rajawali yg patah akup, & banyak sekali perbedaan lain antara rajawali & pinguin. Bahasa matematis yg dikembangkan oleh para peneliti IB terdahulu cukup fleksibel untuk merepresentasikan perbedaan konseptual menyerupai itu, namun menulis seluruh perbedaan diharapkan alasannya yakni bahkan kiprah kognitif yg paling dasar terbukti lebih sulit dari yg dibaygkan.
Memeluk Ketidakpastian
Pada IB probabilistik, berdasarkan perbedaan, sebuah komputer diberikan banyak masukan / pola menyerupai gambar banyak sekali burung & dibiarkan menyimpulkan sendiri apa yg menjadi ciri umum dari masukan tersebut. Pendekatan ini bekerja cukup baik dengan konsep kongkrit menyerupai "burung", namun bermasalah dengan konsep yg lebih absurd menyerupai penerbangan, suatu kemampuan umum yg dimiliki oleh burung, helikopter, layg-layg & pendekar super. Anda bisa, memperlihatkan kepada suatu sistem probabilistik banyak gambar penerbangan, namun walaupun sistem itu bisa, menemukan ciri umum yg dimiliki oleh gambar-gambar tersebut, akan sangat mungkin untuk salah mengidentifikasi awan, / matahari, / antena di atas gedung sebagai pola penerbangan. Dan bahkan penerbangan merupakan konsep kongkrit kalau dibandingkan dengan, katakanlah, "tata bahasa", / "keibuan".
Sebagai peralatan penelitian, Goodman menyebarkan sebuah bahasa pemrograman komputer yg disebut Church sesuai dengan nama Alonzo Church yakni spesialis logika Amerika terkenal. Bahasa itu menyerupai banyak sekali bahasa terdahulu IB mengikutsertakan hukum kesimpulan. Namun hukum itu bersifat probabilistik. Katakanlah kasuari ialah seekor burung, sebuah aktivitas yg ditulis dalam Church bisa, saja mengikutsertakan bahwa kasuari mungkin bisa, terbang. Tapi kalau aktivitas itu diberitahukan bahwa kasuari bisa, seberat 90kg, beliau bisa, saja merevisi asumsi probabilitas pertamanya, menyimpulkan bahwa, bekerjsama kasuari mungkin tak bisa, terbang.
"Dengan penalaran probabilistik, kau menerima keseluruhan struktur dengan cuma-cuma," kata Goodman menyerupai yg dikutip Physorg. Sebuah aktivitas Church yg tak pernah menemukan burung yg tak bisa, terbang bisa, saja pada permulaan menetapkan probabilitas bahwa setiap burung bisa, terbang di angka 99,99 persen. Namun begitu beliau berguru ihwal kasuari & pinguin, juga rajawali di kandang & yg patah akup, beliau merevisi probabilitasnya berdasarkan hal-hal itu. Pada akhirnya, probabilitas merepresentasikan seluruh konsep perbedaan yg harus dikodekan secara manual oleh para peneliti IB terdahulu. Tapi sistem itu berguru perbedaan itu dengan sendirinya seiring berjalannya waktu, menyerupai cara manusia berguru konsep gres & merevisi yg lama.
"Apa yg istimewa dari aktivitas ini yaitu beliau memperkenankan kau untuk membangun pemetaan kognisi dengan cara yg lebih jujur & transparan dari yg pernah kau lakukan sebelumnya," kata Nick Chater, seorang profesor ilmu kognisi & keputusan di Universitas College London. "Anda bisa, membaygkan keseluruhan yg diketahui manusia, & mencoba untuk mendaftarkan semua itu merupakan sebuah kiprah yg tak ada akhirnya, & mungkin ialah suatu kiprah tak terbatas. Tapi trik gres berkata, "tidak, katakan saja beberapa hal kepada aku," & serpihan otaknya dalam hal ini sistem Church, mudah-mudahan agak sejalan dengan pikiran melakukannya, bisa, mengocok, menggunakan kalkulasi probabilistiknya, semua akhir & kesimpulan. Dan juga, ketika kau memperlihatkan informasi gres ke dalam sistem itu, ia bisa, menyimpulkan akibatnya."
Pikiran-pikiran Pemetaan
Program-program yg menggunakan kesimpulan probabilistik nampaknya bisa memetakan kapasitas kognisi insan lebih luas daripada pemetaan kognisi tradisional. Pada konferensi Masyarakat Ilmu Kognisi tahun 2008, sebagai contoh, Goodman & Charles Kemp, yg merupakan mahasiswa PhD di BCS pada waktu itu, mempresentasikan karya di mana mereka memperlihatkan para subyek insan sebuah daftar tujuh / delapan pegawai pada sebuah perusahaan fiktif & memberitahukan mereka pegawai mana mengirim surel ke yg lain. Kemudian mereka memperlihatkan para subyek sebuah daftar pendek pegawai pada perusahaan fiktif lain. Tanpa data tambahan2, para subyek diminta untuk buat sebuah grafik yg menggambarkan siapa yg mengirim surel kepada siapa di perusahaan kedua.
Jika pola surel di masalah pola membentuk sebuah rantai - Alice mengirim surel ke Bob yg mengirim surel ke Carol, & ke, katakanlah Henry - para subyek insan cenderung memprediksi bahwa pola surel di masalah pola itu akan juga membentuk suatu rantai. Jika pola surel pada masalah pola membentuk suatu putaran - Alice mengirim surel ke Bob yg mengirim surel ke Carol, & seterusnya, tapi Henry mengirim surel ke Alice - para subyek juga memprediksi putaran di masalah pola itu.
Sebuah aktivitas yg menggunakan kesimpulan probabilistik, diminta untuk melaksanakan kiprah yg sama, berperilaku hampir sama dengan subyek manusia, menyimpulkan rantai dari rantai & putaran dari putaran. Tapi banyak sekali pemetaan kognisi konvensional sama sekali memprediksikan pola surel acak pada masalah contoh: mereka tak bisa, menyimpulkan konsep level tinggi dari putaran & rantai. Dengan para kolaborator di Bagian Ilmu Otak & Kognisi, Goodman melaksanakan percobaan serupa di mana para subyek diminta untuk menyortir gambar-gambar serangga / pohon ke dalam kategori berbeda, / buat kesimpulan yg memerlukan penerkaan apa yg dipikirkan orang lain. Pada semua masalah ini, yg sebagiannya juga dipresentasikan di konferensi Masyarakat Ilmu Kognisi, aktivitas Church melaksanakan pekerjaan memetakan pikiran insan lebih baik ketimbang algoritme intelegensi buatan tradisional.
Chater memperingatkan hal itu, sementara aktivitas Church bekerja dengan baik pada kiprah yg ditargetkan, mereka dikala itu terlalu intensif berhitung untuk bekerja sebagai simulator pikiran umum."Itu merupakan duduk kasus serius kalau kau mau memakaiya untuk memecahkan setiap duduk kasus di bawah matahari," kata Chater. "Tapi itu gres dibuat, & hal-hal ini selalu payah dioptimalisasi ketika mereka gres dibuat." Dan Chater menekankan bahwa buat sistem itu bekerja ialah suatu pencapaian: "Itu merupakan sesuatu yg bisa, saja dihasilkan seseorang sebagai saran teoritik, & kau akan berpikir, 'Wow, itu sangat pintar, tapi saya yakin kau tak bisa, buatnya berjalan, benar saja.' Dan keajaibannya ialah beliau benar-benar berjalan, & bekerja."
Kategori Terkait: