西北大学的一个团队开辟了一种新的计算模型,该模型在标准智力测试中在人类层面上执行。这项工作是创造人工智能系统的重要一步,人类智能系统可以像人类一样了解和理解世界。

西北工程公司的肯·福布斯说:“该模型在美国成年人中的表现达到了第75个百分点,使其优于平均水平。” “对人们来说难以解决的问题对于模型来说也很难,这提供了额外的证据,表明其操作正在捕捉人类认知的一些重要特征。”

新的计算模型建立在先前在Forbus实验室开辟的人工智能平台CogSketch上。该平台能够解决视觉问题并理解草图,以便立即提供交互式反馈。CogSketch还结合了类比的计算模型,基于西北心理学教授Dedre Gentner的结构映射理论。(Gentner因其在该理论方面的工作获得了2016年David E. Rumelhart奖。)

Forbus,西北麦考密克工程学院的电气工程和计算机科学教授Walter P. Murphy与前西北心理学博士后研究员Andrew Lovett一起开辟了该模型。他们的研究结果于本月在线发表在“ 心理学评论 ” 杂志上。

解决复杂视觉问题的能力是人类智能的标志之一。开辟具有这种能力的人工智能系统不仅为视觉推理中符号表征和类比的重要性提供了新的证据,而且可能缩小计算机与人类认知之间的差距。

虽然Forbus和Lovett的系统可用于模拟一般的视觉问题解决现象,但他们在Raven的Progressive Matrices上进行了专门测试,这是一种测量抽象推理的非语言标准化测试。所有测试的问题都包含一个缺少一个图像的矩阵。测试者有六到八个选择,以便最好地完成矩阵。Forbus和Lovett的计算模型表现优于一般 美国人。

“Raven的测试是心理学家所谓的'流体智能,或者抽象思量,理性,识别模式,解决问题和辨别关系的一般能力的最佳预测指标',”洛维特说,他现在是美国海军研究所的研究员。实验室。“我们的研究结果表明,灵便运用关系表征,比较和重新解释它们的能力对流体智能非常重要。”

使用和理解复杂关系表示的能力是高阶认知的关键。关系表示将实体和想法联系起来,例如“时钟在门上”或“压力差导致水流动”。这些类型的比较对于制作和理解类比是至关重要的,人类用它来解决问题,权衡道德困境,并描述周围的世界。

“今天关于视觉的大多数人工智能研究都集中在识别或标记场景中的内容而不是推理它,”Forbus说。“但惟独在支持后续推理的情况下,认可才实用。我们的研究为更广泛地理解视觉推理提供了重要的一步。”

标签: 制作将人类视为世界的人工智能系统