La curiosità dell'intelligenza artificiale (curiosità AI) è la simulazione della curiosità umana nell'intelligenza artificiale. Curiosity L'IA è anche conosciuta come curiosità artificiale, curiosità AI, algoritmo curioso e curiosità algoritmica.
La curiosità è ciò che guida la maggior parte dell'apprendimento autodiretto negli esseri umani. Quando incontriamo una lacuna nella nostra conoscenza, il nostro interesse può essere acceso, creando il desiderio di cercare le informazioni mancanti. Emulare il comportamento di un essere umano curioso in un algoritmo potrebbe aumentare il potenziale di apprendimento automatico autodiretto in modo che un sistema di intelligenza artificiale sia spinto a cercare o sviluppare soluzioni a problemi non familiari.
Intelligenza artificiale ristretta contro intelligenza artificiale per curiosità
La capacità di emulare la curiosità umana è una componente distintiva dell'IA forte o generica, che replica più da vicino l'intelligenza umana rispetto ai sistemi di IA ristretta.
I sistemi di IA ristretta, noti anche come IA debole, sono spesso in grado di superare gli umani nei loro compiti particolari. ROSS, un sistema esperto a volte indicato come un avvocato di intelligenza artificiale, può assumere molti compiti di un assistente legale umano, molti dei quali a un livello ben oltre quello di cui è capace un essere umano. ROSS, un'intelligenza artificiale ristretta, può estrarre dati da circa un miliardo di documenti di testo. ROSS analizza le informazioni per fornire risposte precise a domande complicate in meno di tre secondi.
I sistemi di IA ristretta sono limitati, tuttavia, dal fatto che richiedono istruzioni specifiche e mancano della capacità umana di sviluppare in modo indipendente nuovi approcci a nuovi problemi, che tendono a bloccarli sul loro percorso.
La curiosità può aiutare i sistemi di intelligenza artificiale a comportarsi più come gli esseri umani in nuove situazioni incorporando comportamenti associati alla curiosità in modelli algoritmici. Un sistema di intelligenza artificiale per curiosità potrebbe, ad esempio, dare la priorità all'esplorazione rafforzando il comportamento che ha prodotto nuove informazioni sul suo ambiente. I comportamenti che supportano la capacità di esplorare possono essere rinforzati e quelli che impediscono o limitano l'esplorazione possono essere puniti.
Come funziona la curiosità AI?
L'apprendimento per rinforzo (RL) è il processo per motivare l'IA a eseguire i comportamenti desiderati e punirla per quelli indesiderati. Cerca osservazioni ed esperienze che forniranno una ricompensa programmatica, un segnale di feedback che informi l'IA che sta facendo un passo verso il suo obiettivo. È un approccio alla carota e al bastone per addestrare l'IA con feedback positivo o negativo.
RL è attualmente utilizzato in molte applicazioni di intelligenza artificiale, dai programmi di armi autonome robotiche che possono riprodurre un videogioco meglio dei campioni del mondo umani. Tuttavia, RL ha i suoi limiti. Ha bisogno di molti feedback per funzionare correttamente: quando ha pochi feedback per continuare, fatica. L'obiettivo della curiosità dell'IA è risolvere questo problema: continuare a cercare l'IA quando non c'è un segno chiaro che indichi cosa fare.
Una curiosità L'IA funziona bene in situazioni in cui non viene dato molto feedback all'IA sui suoi progressi, il che rispecchia molti scenari del mondo reale. Nell'ultimo studio di Google sulla curiosità AI, chiamato "Curiosity and Procrastination in Reinforcement Learning", i ricercatori hanno utilizzato una variazione del seguente esempio per spiegare la curiosità.
Una persona sta camminando per il supermercato, alla ricerca di salsa di spinaci. Ad ogni passo, la persona passa diversi corridoi che non mostrano alcuna indicazione di avere una salsa di spinaci. Se la persona operasse secondo una logica di apprendimento per rinforzo, camminerebbe in cerchio ri-osservando lo stesso insieme di corsie, operando puramente fuori dalla memoria e non arrivando da nessuna parte. Introduci curiosità al modo di pensare della persona e sono spinti a riconoscere che stanno camminando in cerchio e scegliere arbitrariamente una nuova direzione che potrebbe fornire un'indicazione di dove alla fine si troverà la salsa di spinaci. Una persona curiosa, e allo stesso modo una curiosità AI, ha la capacità di riconoscere quel modello ridondante e trovare un nuovo cerchio in cui camminare che avrà stimoli diversi e forse un percorso verso l'obiettivo desiderato. L'apprendimento per rinforzo funziona puramente con ciò che conosce, mentre un'intelligenza artificiale per curiosità cerca di trovare ambienti che ancora non conosce.
Per fare in modo che l'IA possa sperimentare cose nuove nel suo ambiente, essere curioso, l'algoritmo RL viene modificato per funzionare in questo modo:
- L'algoritmo aggiunge osservazioni alla memoria.
- L'algoritmo calcola una ricompensa in base alla distanza della sua osservazione corrente dalla memoria più simile che ha.
- L'algoritmo ottiene una ricompensa maggiore per l'osservazione di cose che non sono ancora rappresentate nella memoria.
Strutturando l'algoritmo in questo modo, è in grado di evitare di essere intrappolato in un ciclo di feedback, in cui tutti gli input sono ugualmente correlati all'obiettivo e l'algoritmo non può differenziarli. La curiosità AI ottiene due tipi di ricompense:
- Osservazioni relative agli obiettivi. È ricompensato quando può confrontare le osservazioni correnti con la memoria e trovare stimoli legati agli obiettivi, come un classico RL.
- Nuove osservazioni. Viene ricompensato di più per aver trovato nuovi ambienti che non esistono ancora nella memoria.
Entrambe le ricompense possono anche essere combinate, in modo che la più grande ricompensa che una curiosità possa ricevere dall'IA sia quando si osserva qualcosa che è sia completamente nuovo che correlato agli obiettivi.
Perché la curiosità AI è importante?
Gli esperti stimano che la maggior parte di tutti i dati prodotti nel 2020 sarà generata direttamente dalle macchine. Con un volume così elevato di dati, sarà necessaria un'intelligenza artificiale avanzata sia dal lato dell'elaborazione che da quello della generazione dei dati. Curiosity L'intelligenza artificiale possiede idealmente la grande capacità di dati che l'attuale intelligenza artificiale ha, ma con l'ulteriore capacità di vagliarla e creare schemi rilevanti al suo interno quando non ci sono molti indicatori relativi agli obiettivi per farlo. In questo modo, può contenere e visualizzare più dati di quanti ne sia capace un essere umano, pur essendo in grado di visualizzare quei dati in un modo critico più simile a quello umano.
Applicazioni della curiosità AI
Curiosity AI è attualmente utilizzata in una serie di aree di automazione aziendale, tra cui:
- L'analisi dei dati
- Risorse umane
- Strumenti di collaborazione e produttività
- Strumenti di servizio al cliente
Inoltre, la curiosità AI dovrebbe migliorare l'automazione industriale in una serie di aree, tra cui:
- Gestione della catena di approvvigionamento
- Ottimizzazione dei processi di fabbrica e magazzino
- Controllo qualità
- Rilevamento dei guasti
- Manutenzione predittiva
L'intelligenza artificiale avanzata attualmente vede un minore utilizzo nel settore industriale rispetto al business, in parte perché il margine di errore è molto inferiore rispetto a una tipica applicazione aziendale, ei dati che i dispositivi automatizzati gestiscono in un ambiente industriale sono molto più complicati e difficili da elaborare.
Tuttavia, ci si aspetta che la curiosità AI migliori l'automazione industriale perché è in grado di gestire input più complessi con un livello di successo costantemente elevato richiesto nell'industria. Può gestire l'incertezza e può generalizzare e spiegare dati complessi in un modo che l'IA ristretta non può.
Inoltre, le macchine industriali non sono tipicamente progettate pensando all'usabilità, quindi la curiosità AI potrebbe consentire loro di essere più flessibili senza che un essere umano debba essere coinvolto.
Alcuni potenziali casi d'uso industriali includono:
- Gestione energia e condizionamento data center. Una curiosità AI potrebbe prevedere tempi di raffreddamento e manutenzione ottimali e reagire ai cambiamenti ambientali. Potrebbe anche aiutare a riciclare il calore di scarto e passare a risorse rinnovabili nel data center.
- Linee di produzione. Una curiosità AI eseguirà il rilevamento delle anomalie e l'analisi delle cause alla radice per identificare i problemi e suggerire potenziali soluzioni. Ciò ridurrebbe i guasti imprevisti e aumenterebbe la quantità di tempo di attività per la linea di produzione.
- Elaborazione dati e edge computing. Molti sistemi industriali utilizzano dispositivi Internet of Things (IoT) come sensori che raccolgono dati di senso fisico complessi e l'IA per curiosità fornirebbe strumenti di elaborazione flessibili e potenti su quei dispositivi periferici.
Alcuni altri casi d'uso oltre ai processi industriali includono:
- Auto a guida autonoma. Questi veicoli devono prendere decisioni di alto livello per controllare un veicolo e reagire a situazioni imprevedibili sulle strade pubbliche.
- Lavoro di conoscenza. Il lavoro di conoscenza non può essere automatizzato da una IA ristretta a un livello soddisfacente in molti casi, ma la curiosità AI sarebbe in grado di creare un'intuizione artificiale che potrebbe cambiarlo.
- Medical. Curiosity AI potrebbe aiutare gli operatori sanitari a sviluppare uno strumento di suggerimento medico automatizzato in grado di utilizzare la sua capacità di risoluzione dei problemi per raccomandare soluzioni mediche e diagnosi basate sul modo di vivere unico di ciascun paziente e su una serie di specifiche sanitarie. Un progetto che mira a farlo è Project Nightingale di Google.
Curiosa azienda di intelligenza artificiale
Curious AI è anche il nome di un'organizzazione con sede a Helsinki che costruisce strumenti di curiosità AI per il controllo e l'ottimizzazione di processi industriali complessi. Descrivono uno dei loro prodotti principali, Curious Engine, come una "cassetta degli attrezzi per la modellazione deep-net, il controllo dei sistemi e l'ottimizzazione basata sui modelli".
Sono anche investiti nella fornitura di "colleghi digitali", che possono essere considerati come chatbot ma con capacità avanzate di risoluzione dei problemi. L'azienda descrive la differenza tra i due termini di pensiero del sistema 1 e del sistema 2, che è un altro modo di vedere la differenza tra IA ristretta e curiosità:
- Il pensiero del sistema 1 è orientato alla procedura, al processo e al compito meccanico. Nel contesto di un chatbot, un pensatore di sistema 1 potrebbe ascoltare, rispondere e pensare a soluzioni basate sulle risposte di cui è capace o su cui ha lavorato in passato.
- Il pensiero del Sistema 2 è più focalizzato sul riconoscimento di schemi e sulla risoluzione di problemi di alto livello: la capacità di comprendere e utilizzare praticamente nuove situazioni. Nel contesto di un chatbot, un pensatore di sistema 2 può pensare in modo più critico al modo in cui l'utente comunica e sviluppare la sua risposta per adattarla al nuovo stile di comunicazione di un dato utente. Può anche usare la curiosità per avventurarsi in nuovi metodi di comunicazione.
Sentian.AI è un'azienda nello stesso campo: crea soluzioni AI di curiosità industriale.