#frAIday: Inlärning och resonemang i AI-system vs hos människor
Om vi kan bygga smarta maskiner, vad skulle det säga oss om naturlig intelligens, t.ex. mänsklig intelligens?
Faktiska jämförelser mellan dagens AI-system och mänsklig kognition avslöjar betydande skillnader och begränsningar. AI-system är visserligen utmärkta för specifika uppgifter, t.ex. brädspel, men deras prestanda verkar skilja sig avsevärt från människors när det gäller inlärning, resonemang och anpassning till nya situationer. Redan små barn uppvisar en förmåga att generalisera begrepp och förstå språk med minimal exponering, medan dagens AI-system ofta kräver omfattande data för effektiv träning och kämpar i scenarier med begränsad data. Människor kan dessutom överföra sina kunskaper och färdigheter till nya situationer, något som djupa neurala nätverk fortfarande kämpar med. Människor kan till exempel utan problem identifiera och tolka sällan förekommande fenomen, som snösträngar på en motorväg, och tillskriva dem deras material (snö). Men en självkörande bil, som är beroende av träningsdata, kan misstolka dessa som vanliga körfältslinjer, vilket avslöjar brister i dess anpassningsförmåga till oväntade situationer. Sådana skillnader kan utgöra utmaningar för analogier mellan hjärna och maskin och väcka frågor om huruvida dessa skillnader indikerar variationer i graden eller i den inneboende naturen av intelligens som uppvisas av människor kontra AI-system.
Om talaren
Nina Poth, postdoktor vid Humboldt-universitetet i Berlin, arbetar i gränslandet mellan kognitionsvetenskaplig filosofi, sinnesfilosofi och epistemologi. Särskilt intresserad av inlärning, resonemang och rationalitet. Hennes forskning fokuserar på att förstå hur man lär sig begrepp från perception och resonerar rationellt med dem. Hon undersöker hur detta kan förklaras med Bayesianska modeller av kognition och utvärderar effektiviteten av dessa förklaringar. Dessutom utforskar hon om alla aspekter av intelligens kan och bör definieras i termer av förmågan att göra framgångsrika förutsägelser om världen.
Detaljer
Datum
Tid
Plats
Digitalt