Maar wat als AI zou kunnen leren als een baby? AI-modellen worden getraind op enorme datasets die uit miljarden datapunten bestaan. Onderzoekers van de Universiteit van New York wilden zien wat dergelijke modellen konden doen als ze werden getraind op een veel kleinere set gegevens: de beelden en geluiden die een enkel kind ervaart dat leert spreken. Tot hun verbazing leerde hun AI veel – dankzij een nieuwsgierige baby genaamd Sam.
Onderzoekers bevestigden een camera op Sams hoofd en hij droeg deze anderhalf jaar lang, vanaf zijn zesde maand tot kort na zijn tweede verjaardag. Met het materiaal dat hij verzamelde, konden de onderzoekers een neuraal netwerk leren woorden te matchen met de objecten die ze vertegenwoordigen, meldt Cassandra Willyard in dit verhaal. (Het is de moeite waard om te klikken, alleen al voor de ongelooflijk schattige foto’s!)
WAI KEEN WONG
Dit onderzoek is slechts één voorbeeld van hoe baby’s ons een stap dichter kunnen brengen bij het leren van computers om te leren zoals mensen – en uiteindelijk bij het bouwen van AI-systemen die net zo intelligent zijn als wij. Baby’s inspireren onderzoekers al jaren. Ze zijn scherpe waarnemers en uitstekende leerlingen. Baby’s leren ook met vallen en opstaan, en mensen worden slimmer naarmate we meer over de wereld leren. Ontwikkelingspsychologen zeggen dat baby’s een intuïtief gevoel hebben van wat er daarna zal gebeuren. Ze weten bijvoorbeeld dat de bal bestaat ook al is hij aan het zicht onttrokken, dat de bal stevig is en niet plotseling van vorm zal veranderen, en dat hij langs een ononderbroken pad rolt en niet plotseling ergens anders heen kan teleporteren.
Onderzoekers van Google DeepMind probeerden een AI-systeem hetzelfde gevoel van ‘intuïtieve fysica’ te leren door een model te trainen dat leert hoe dingen bewegen door zich te concentreren op objecten in video’s in plaats van op individuele pixels. Ze trainden het model op honderdduizenden video’s om te leren hoe het object zich gedraagt. Als baby’s verrast worden door bijvoorbeeld een bal die plotseling uit het raam vliegt, komt dat volgens de theorie doordat het object beweegt op een manier die het begrip van de baby over de natuurkunde verstoort. Onderzoekers van Google DeepMind zijn er ook in geslaagd om hun AI-systeem ‘verrassing’ te laten zien wanneer een object anders beweegt dan de manier waarop het heeft geleerd dat objecten bewegen.
Yann LeCun, winnaar van de Turing Award en Chief AI Scientist van Meta, stelt dat het leren van AI-systemen om te observeren als kinderen de weg kan zijn naar intelligentere systemen. Hij zegt dat mensen een simulatie van de wereld, of een ‘wereldmodel’, in onze hersenen hebben, waardoor we intuïtief kunnen weten dat de wereld driedimensionaal is en dat objecten niet echt verdwijnen als ze uit het zicht verdwijnen. . Hiermee kunnen we binnen enkele seconden voorspellen waar een stuiterende bal of een achtervolgende fiets zich zal bevinden. Hij is bezig met het bouwen van gloednieuwe architecturen voor AI die inspiratie halen uit de manier waarop mensen leren. We hebben hier zijn grote gok op de toekomst van AI besproken.
De huidige AI-systemen blinken uit in beperkte taken, zoals schaken of het genereren van tekst die klinkt als iets dat door een mens is geschreven. Maar vergeleken met het menselijk brein – de krachtigste machine die we kennen – zijn deze systemen kwetsbaar. Ze missen het soort gezond verstand dat hen in staat zou stellen naadloos te opereren in een rommelige wereld, geavanceerder onderwijs te geven en nuttiger te zijn voor de mensen. Door te bestuderen hoe baby’s leren, kunnen we deze vaardigheden ontdekken.
Dieper leren
Deze robot kan zonder enige hulp een kamer schoonmaken
Robots zijn goed in bepaalde taken. Ze zijn bijvoorbeeld uitstekend in het optillen en verplaatsen van voorwerpen en worden zelfs steeds beter in koken. Maar hoewel robots dergelijke taken gemakkelijk in het laboratorium kunnen uitvoeren, is het een echte uitdaging om ze aan het werk te krijgen in een onbekende omgeving waar weinig gegevens beschikbaar zijn.