Charles Simon é o responsável do Brain Simulator II, um livro que acompanha o Brain Simulator II, um projeto de software gratuito e de código acessível que visa fabricar um sistema de Perceptibilidade Universal Sintético (AGI) de ponta a ponta.
O software Brain Simulator original foi lançado em 1988, uma enormidade de tempo no mundo do software. Qual é o progresso do Brain Simulator II em conferência com seu predecessor?
O sistema atual é mais de um milhão de vezes mais rápido. O original foi escrito em FORTRAN, executado em um clone do IBM AT, suportava um array fixo de 1.200 neurônios e computava muro de dois ciclos por segundo. O programa atual pode ser executado em rede e processar 2,5 bilhões de sinapses por segundo em uma poderosa CPU de desktop.
Levante livro é sobre o Brain Simulator II, um projeto de software de código acessível que visa fabricar perceptibilidade sintético de ponta a ponta. Que tipo de experiência de codificação é necessária para executar levante software?
Não é necessária experiência. Se você não é um programador, pode passar qualquer tempo com o Brain Simulator e entender as capacidades e limitações dos neurônios, um pouco sobre a representação do conhecimento e até mesmo erigir suas próprias redes limitadas. Se você for um programador, seguirá as explicações técnicas mais aprofundadas e construirá seus próprios módulos para estender o sistema a estratégias AGI mais avançadas.
Por que é importante retornar às raízes da IA de inspiração biológica para obter a AGI?
Na dez de 1980, pensava-se que se conseguíssemos erigir uma rede neural suficientemente grande, esta tornar-se-ia espontaneamente inteligente. Ao longo dos quarenta anos que se passaram, levante cenário tornou-se cada vez mais implausível. Portanto, se as abordagens clássicas de IA não deram evidente para AGI, vejamos algumas abordagens diferentes, e o único protótipo de AGI funcional que temos é o cérebro humano.
Ao mesmo tempo, não há razão para uma adesão servil à plausibilidade biológica. Por exemplo, sabemos que o nosso cérebro pode prezar distâncias a objetos com base em pequenas diferenças nas imagens recebidas pelos nossos dois olhos, a base para filmes em 3D. Não sabemos uma vez que isso funciona no cérebro, logo, em vez disso, programei essa funcionalidade em um módulo que estima distâncias usando algumas linhas de trigonometria. Podemos ter certeza de que seu cérebro não funciona dessa maneira, mas a abordagem trigonométrica é provavelmente mais rápida e precisa.
Você afirma no livro que uma AGI requer robótica, por que isso é tão importante?
Considere tentar explicar as cores para uma pessoa cega ou a música para uma pessoa surda. Se um potencial AGI é somente um programa num computador, uma vez que pode obter uma compreensão básica das coisas que qualquer garoto de três anos sabe? A garoto tem um ponto de vista e está rodeada pela verdade. A garoto sabe que existem objetos nessa verdade e que muitos deles podem ser manipulados. Ao recrear com blocos, a garoto pode aprender sobre forma, tamanho, solidez, sisudez, oclusão visual, intervalo e assim por diante. Com movimento, visão e manipuladores autônomos, um AGI pode aprender sobre a verdade em um nível mais fundamental do que qualquer programa que dependa somente de montanhas de dados de texto e imagem.
Depois que uma AGI robótica tiver adquirido uma compreensão fundamental dos objetos na verdade, esse conhecimento poderá ser clonado em máquinas pensantes não robóticas e a compreensão persistirá. Assim uma vez que alguém que perde os sentidos da visão ou da audição pode entender as coisas de uma maneira dissemelhante de uma pessoa que nunca teve esses sentidos.
Um vista importante do Brain Simulator II é que ele não utiliza retropropagação, qual a justificativa para não adotar esta metodologia?
Seu cérebro opera sem retropropagação, portanto a AGI deve ser provável sem ela. Na verdade, a retropropagação é fundamentalmente incompatível com um protótipo biológico porque depende da capacidade de detectar e modificar os pesos das sinapses com considerável precisão. Depois de qualquer tempo com o Brain Simulator, você concluirá que definir pesos de sinapse com qualquer intensidade de precisão é muito difícil e é impossível detectar com precisão quais são esses pesos de sinapse. O problema fundamental é que o disparo de neurônios modifica os pesos das sinapses, mas não há uma vez que detectar um peso de sinapse sem disparar neurônios, portanto, um peso de sinapse não pode ser detectado sem modificá-lo.
A retropropagação não tem análogo biológico e considero-a um método estatístico extremamente poderoso. Muitas pessoas estão trabalhando nisso, algumas com excelentes resultados. Meu objetivo é testar algumas abordagens diferentes. Ao usar neurônios com picos combinados com módulos de software plug-in, estou analisando os problemas da AGI de uma perspectiva dissemelhante.
Quando o cérebro é sondado, parece ter desordem e aleatoriedade. Isso é um tanto que precisamos introduzir em um sistema de software para que a verdadeira AGI surja?
Eu não acho. Quando você olha para os neurônios e sinapses individuais, sua função é bastante determinística, assim uma vez que o transistor. No cérebro, as coisas parecem aleatórias porque os níveis de soído são bastante elevados e os componentes da informação não estão em nenhuma ordem aparente. Mas considere a sua visão, você consegue ler o texto com nitidez e não há desordem ou aleatoriedade no processo de leitura. Assim, concluímos que, pelo menos, o seu córtex visual é razoavelmente confiável e repetível. No entanto, quando investigado, parece tão desordenado quanto o resto do cérebro. Portanto, o resto do cérebro é provavelmente tão confiável e repetível quanto o córtex visual, mas ainda não vemos a organização e a ordem. É um pouco uma vez que ler chinês, para mim são marcações semi-aleatórias desordenadas, mas para quem sabe ler a língua, há uma organização absoluta. Simplesmente ainda não conseguimos ler a linguagem interna do cérebro.
Você apresenta um noção chamado Loja Universal de Conhecimento (UKS). Poderia discutir brevemente o que é e por que é importante?
Pensando novamente na questão da robótica, podemos ver que uma faceta da perceptibilidade universal é a capacidade de integrar conhecimentos provenientes de vários sentidos. Você conhece um conjunto porque pode vê-lo, tocá-lo e ouvir palavras sobre ele. Tudo isso representa informações sobre um conjunto. Portanto, para que uma AGI tenha habilidades semelhantes, ela deve ter um mecanismo universal de armazenamento que possa mourejar com uma ampla variedade de informações díspares e fabricar relacionamentos úteis entre os vários itens. O UKS é um gráfico de conhecimento de uma forma muito universal para que possa mourejar com QUALQUER tipo de informação e QUALQUER tipo de relacionamento.
O UKS pode armazenar as informações espaciais necessárias para a emprego do labirinto, juntamente com a árvore de decisões e resultados usada para percorrer o labirinto para atingir um objetivo. A mesma estrutura é usada para associar palavras a cores. Esse tipo de generalidade é fundamental para AGI.
Qual é o seu horizonte de tempo para o surgimento da AGI?
É difícil expressar. Já temos o hardware necessário para AGI e vejo que basta um único progresso, e ele pode sobrevir a qualquer momento. Deixe-me tentar descrever esse progresso:
Considere que se tudo o que você sabe é que o vermelho é uma cor e o azul é uma cor, posso pedir-lhe que nomeie algumas cores e você pode expressar vermelho e azul. A questão é: uma vez que um AGI pode aprender que o relacionamento “é um” é alguma coisa. Eu poderia programar tal relacionamento facilmente, mas meu AGI não será capaz de aprender novos relacionamentos à medida que forem encontrados. Uma garoto pode aprender sobre relacionamentos entre mais próximo/mais distante, maior/menor, mais cedo/mais tarde, antes/depois e assim por diante. Mas estes dependem de conceitos ainda mais fundamentais de tamanho, intervalo, tempo e muito mais.
Uma vez que pode uma cabeça enxurro de neurônios aprender todas essas coisas verdadeiramente fundamentais? Isso está relacionado à urgência da robótica. Uma vez que um AGI pode aprender o noção de intervalo se não pode ir a lugar nenhum ou obter zero? Também está relacionado à urgência de armazenamento universal. Uma vez que um AGI pode compreender ir a qualquer lugar que combine os conceitos de localização e tempo? Ir a qualquer lugar é relativamente simples. Compreender o que significa ir a qualquer lugar é muito mais difícil. Acredito que estas questões verdadeiramente fundamentais são todas manifestações do mesmo problema subjacente e que a solução para esse problema é o progresso necessário.
Poucas pessoas estão trabalhando nesta questão, principalmente porque é muito difícil lançar um projeto que, se for realmente bem-sucedido, terá as capacidades de uma garoto de três anos depois de três anos, e as capacidades de uma garoto de dez anos. depois de uma dez. Portanto, é provável que a solução venha de investigadores independentes de menor dimensão, que tenham tempo e robustez para se dedicarem a problemas sem retorno a limitado prazo.
Há mais alguma coisa que você gostaria de compartilhar sobre o Brain Simulator II ou AGI em universal?
Quando você tenta usar neurônios e sinapses para projetar circuitos que abordem esses problemas fundamentais, você conclui que, em vez de um noção ser representado por algumas dezenas de sinapses, cada um requer algumas dezenas de neurônios. Isto significa que, em vez de a capacidade do cérebro ser de muitos milhares de milhões de coisas, uma vez que se costuma expressar, ele está restringido a compreender dezenas ou centenas de milhões de coisas. Com isto em mente, uma AGI nascente que pudesse compreender somente dez milhões de coisas deveria pelo menos ser capaz de compreender alguns destes conceitos fundamentais. E um sistema de computador representando dez milhões de coisas está dentro do escopo do hardware atual, talvez até mesmo do computador desktop atual.
A versão V1.0 do Brain Simulator é realmente sua “maioridade”. Agora ele tem a capacidade e a interface de usuário refinada que o tornam muito mais útil para um público de pesquisa mais universal. É um projeto comunitário com uma equipe de desenvolvimento crescente e um grupo maior de usuários finais. Juntos, testaremos muitas ideias novas e progrediremos em algumas das questões fundamentais da perceptibilidade e da AGI.
Obrigado pela ótima entrevista, é sempre esclarecedor discutir AGI com você. Os leitores que desejam aprender mais devem ler o livro Brain Simulator II.
