Los investigadores realizan análisis psicológicos de la inteligencia artificial.

No sabemos exactamente qué está sucediendo en el "cerebro" de la inteligencia artificial (IA), por lo que no podemos predecir con precisión su comportamiento. Podemos hacer pruebas y experimentos, pero no siempre podemos predecir y comprender por qué la inteligencia artificial hará esto.

Al igual que los humanos, el desarrollo de la inteligencia artificial se basa en la experiencia (en forma de datos desde una perspectiva de IA). Por lo tanto, la inteligencia artificial llama la atención sobre cómo reaccionan las personas y, a menudo, ignora las normas o convenciones sociales. En este caso, el grupo de investigación quiso investigar estos típicos fenómenos virtuales, pero desde el punto de vista del psicoanálisis moderno.

Inteligencia artificial bajo el microscopio del psicoanálisis

“Podemos desarrollar un algoritmo que permita a la inteligencia artificial encontrar patrones en los datos para resolver mejor los problemas. El hecho de que entendamos qué patrones encuentra no significa que los hayamos creado. Incluso si podemos hacerlo, eso no significa que lo sepamos "., El profesor Sören Hauberg de DTU Compute.

Por un lado, esto se debe a la naturaleza de autoaprendizaje de la inteligencia artificial. Por otro lado, en realidad no ha sido posible estudiar el "cerebro" de la inteligencia artificial y comprender su influencia en la inteligencia artificial. Datos. Como base de su enseñanza, condujo a una paradoja conocida como el problema de la caja negra.

Si pudiéramos averiguar qué tipo de datos está utilizando la IA y cómo funciona, sería algo entre las pruebas y el psicoanálisis, una forma sistemática de comprender mejor la IA. Hasta ahora esto no era posible, pero ahora Soren Hauberg y sus colegas han desarrollado un método basado en la geometría clásica que nos permite ver cómo la inteligencia artificial da forma a su “personalidad”.

Esto requiere conjuntos de datos muy grandes, como entrenar robots para agarrar, lanzar, empujar, jalar, caminar, saltar, abrir puertas, etc., mientras que la inteligencia artificial solo usa datos que permiten resolver ciertos problemas. La forma en que la inteligencia artificial clasifica las cargas útiles como inútiles y, en última instancia, ve el patrón en el que se basan sus acciones posteriores, es comprimiendo sus datos en una red neuronal.

Sin embargo, al igual que las personas que empaquetan cosas, es fácil parecer desordenado para los demás y difícil ver qué sistema estamos usando. Por ejemplo, si hacemos la casa lo más compacta posible, las almohadas simplemente se pueden colocar en la olla de sopa para ahorrar espacio. No hay nada de malo en eso, pero los forasteros pueden sacar fácilmente conclusiones equivocadas; Usaremos almohadas y cacerolas para sopa juntos. Hasta ahora, este ha sido el caso cuando la gente ha tratado de entender por qué funciona la inteligencia artificial sistemática. Sin embargo, según Søren Hauberg, esto es cosa del pasado:

“En nuestra investigación básica hemos encontrado una solución de sistema teóricamente retrospectiva para comprender qué patrones están profundamente arraigados en la realidad y cuáles fueron inventados mediante compresión. Si podemos separar los dos, los humanos podremos comprender mejor cómo funciona la inteligencia artificial y, al mismo tiempo, asegurarnos de que la IA no escuche ruidos falsos "....

Soren y sus colegas de la DTU utilizaron las matemáticas desarrolladas en el siglo XVIII para dibujar mapas. Estos modelos geométricos clásicos han encontrado nuevas aplicaciones en el aprendizaje automático. Se pueden usar para mapear y comprimir datos para comprender el proceso de aprendizaje utilizando redes neuronales de inteligencia artificial.

En muchos casos, la industria evita el uso de inteligencia artificial, especialmente en las áreas de producción donde la seguridad es un parámetro clave, por temor a perder el control del sistema o se produzca un error. Si no lo sabe, debe actuar usted mismo.

Este nuevo estudio ha recuperado parte del control y la comprensión perdidos. Desde el punto de vista de los investigadores, tendemos a utilizar inteligencia artificial y aprendizaje automático donde estos recursos no se utilizan actualmente.