Computere lærer at tænke som mennesker

Google har taget små skridt i retningen af at lære computere at tænke som mennesker. Interessant, siger dansk forsker, der dog tager sine forbehold.

Kunstig intelligens: En ny form for neuralt netværk kan konkurrere med menneskers evne til at kombinere en række oplysninger. (Foto: MORTEN JUHL © Scanpix)

Hvor i billedet står den lilla cylinder i forhold til den gule kasse? Hvordan vil boldene på billedet bevæge sig næste gang?

Umiddelbart er det spørgsmål, der for os mennesker er nemme at svare på. Vi er nemlig ret gode til at kombinere oplysninger og gætte, hvad der sker med de ting, vi observerer. Men for en computer er det ikke helt så enkelt.

Men nu har forskere ved Googles DeepMind med en ny algoritme taget de første skridt i retningen af at få computere til at tænke som mennesker.

Det fremgår af en undersøgelse, der er offentliggjort på det videnskabelige site arXiv.

Computeren er blevet præsenteret for flere typer af opgaver:

  • Bedøm forhold mellem figurer på et billede

  • Bedøm placeringen af ting ud fra sproglige oplysninger

  • Forudsig, hvordan usynligt forbundne bolde bevæger sig.

Ifølge forskerne klarede computeren sig bedre end mennesker i den første test, hvor den svarede rigtigt i 96 procent af tilfældene, mens mennesker i samme type opgave kun nåede op på 92 procent.

Stadig langt fra mennesker

- Det er bestemt en interessant undersøgelse. Men computerne er stadig meget langt fra at kunne tænke som mennesker, siger Natalie Schluter, der er lektor i maskinlæring på IT-Universitetet.

Natalie Schluter er forbeholden overfor DeepMinds undersøgelse. Blandt andet fordi resultaterne er skabt på en måde, som ikke svarer til, hvordan mennesker ville gå til opgaven. Fx er billeder og spørgsmål genereret automatisk.

- Du har datasæt, der er fuldstændig automatisk genereret, og det er allerede noget, der ikke er særlig menneskeligt.

Kunstige sætninger

Sætningerne i undersøgelsen er opbygget på en kunstig måde, og det er en udfordring for de personer, der har deltaget via den virtuelle markedsplads Amazon Mechanical Turk.

Derfor er undersøgelsens data om, hvordan mennesker løser de samme opgaver som computeren, ikke nødvendigvis helt troværdige.

Natalie Schluter peger på en sætning som fx: ”Hvor mange cylindere er der foran den lille ting og til venstre for det grønne objekt?”.

- Personerne på Mechanical Turk bliver betalt for hver opgave, de løser, så de vil formentlig ikke bruge den tid, det kræver, at tænke over, hvad disse uigennemsigtige sætninger betyder.

Et andet eksempel fra undersøgelsen, hvor Natalie Schluter heller ikke mener, at alle mennesker vil svare ens, er når det kommer til følgeslutninger:

”Sandra tog fodbolden”, “Sandra gik ind på kontoret”, “Hvor er fodbolden?”.

- Jeg er ikke sikker på, at alle ville svare, at fodbolden er på kontoret.

Så når forskerne bag undersøgelsen konkluderer, at computeren i nogle opgaver klarer sig bedre end mennesker, kan det handle om, at opgaverne er mere logiske for en computer.

Forskerne bag undersøgelsen erkender da også, at computeren skal lære at besvare endnu sværere spørgsmål for at nærme sig menneskers fleksible evne til at tænke.

Mere fra dr.dk

Facebook
Twitter