Hieronder deelt Tom Griffiths vijf belangrijke inzichten uit zijn nieuwe boek: Wetten van het denken: de zoektocht naar een wiskundige Theory of Mind.
Griffiths is hoogleraar psychologie en computerwetenschappen aan de Princeton University en directeur van het Princeton Artificial Intelligence Laboratory.
Wat is het grote idee?
Hoe kunnen we iets bestuderen dat we niet kunnen zien of aanraken? Wiskunde stelt ons in staat diepgaande theorieën te ontwikkelen over hoe de geest werkt. Hierdoor kunnen we deze theorieën ook gebruiken om op te bouwen kunstmatige intelligentie systeem. Net zoals natuurkundigen de natuurwetten proberen te identificeren, hopen cognitieve wetenschappers de wetten van het denken te ontdekken.
1. Het verhaal van AI gaat honderden jaren terug.
Voor veel mensen lijkt AI uit het niets te komen. Eind 2022 is het ineens voor iedereen mogelijk om een gesprek te voeren met een chatbot die meer kennis kan vergaren dan welk mens dan ook. Graaf dieper en je zult waarschijnlijk ontdekken dat de aanpak achter deze chatbots – het bouwen van steeds grotere kunstmatige neurale netwerken – zijn eerste dramatische demonstratie kreeg in 2012, toen het werd gebruikt om het vermogen van een computer om afbeeldingen te identificeren aanzienlijk te verbeteren. Maar het verhaal gaat verder dan dat.
Toen verlichtingsdenkers, zoals René Descartes en Gottfried Wilhelm Leibniz, voor het eerst wiskunde begonnen te gebruiken om de fysieke wereld om ons heen effectief te beschrijven, suggereerden ze ook dat dezelfde aanpak zou kunnen worden gebruikt om de mentale wereld in ons te beschrijven. Deze vroege inspanningen leidden tot de ontwikkeling van wiskundige logica en digitale computers, wat op zijn beurt leidde tot de creatie van cognitieve wetenschap door psychologen die wiskundige ideeën gebruikten om nieuwe theorieën over de geest te genereren. Moderne AI is voortgekomen uit die traditie: belangrijke vooruitgang in de ontwikkeling van kunstmatige neurale netwerken kwam van psychologen die probeerden te begrijpen hoe de menselijke geest werkt.
2. Er bestaat geen enkele wiskundewetenschap die de geest beschrijft.
Cognitieve wetenschappers begonnen wiskundige logica te gebruiken om het denken te beschrijven, maar beseften na tientallen jaren dat dit niet zou werken. Concepten hebben een vage kant die niet door logica kan worden gevat. Kunstmatige neurale netwerken werden parallel ontwikkeld en werden krachtiger nadat een groep psychologen liet zien hoe ze konden worden gebruikt om complexere relaties te bestuderen dan iemand had verwacht.
Het blijven verbeteren van die neurale netwerken brengt ons bij moderne AI. Maar om te begrijpen hoe neurale netwerken leren – en hoe je systemen kunt creëren die meer als mensen leren – vereist een andere aanpak, een aanpak die gebruik maakt van ideeën uit de waarschijnlijkheidstheorie. Deze drie wiskundige tradities zijn met elkaar verbonden om ons een completer beeld te geven van hoe de geest werkt.
3. Belangrijke ontdekkingen komen voort uit het nastreven van impopulaire ideeën.
Het eerste studiebare neurale netwerk werd gebouwd door een computerwetenschapper die het project verliet nadat hij had besloten dat het netwerk, om iets interessants te kunnen bestuderen, veel groter moest zijn dan praktisch werd geacht. Maar een psycholoog heeft een manier gevonden om ze beter te laten leren, wat veel opwinding veroorzaakt over het potentieel van de aanpak. Dezelfde computerwetenschappers toonden later echter aan dat zelfs dergelijke neurale netwerken fundamentele beperkingen hadden, en dat hun populariteit afnam.
Tien jaar later raakten sommige psychologen geïnteresseerd in neurale netwerken als hulpmiddel om de menselijke cognitie te begrijpen, waardoor het probleem werd opgelost hoe ze complexere relaties konden leren, en neurale netwerken werden weer populair. Later raakten onderzoekers op het gebied van machine learning geïnteresseerd in de statistische basis van leren, en de populariteit van neurale netwerken nam af. Al snel maakten krachtigere computers en grotere datasets het mogelijk om neurale netwerken te gebruiken om meer uitdagende problemen op te lossen, wat ons tot op de dag van vandaag bracht.
Deze interdisciplinaire gesprekken – waarbij een impopulair idee in de ene discipline wordt opgepakt en verfijnd door onderzoekers in een andere discipline – zijn een goede illustratie van hoe een interdisciplinair vakgebied als de cognitieve wetenschap een grote impact kan hebben.
4. We komen dichter bij het begrijpen van de menselijke geest.
Meestal vertel ik mijn studenten dat cognitieve wetenschappers veel vooruitgang hebben geboekt bij het uitzoeken hoe ze vragen over de geest kunnen stellen, maar dat we nog lang niet de antwoorden hebben gekregen. Maar nu begint de vooruitgang op het gebied van AI van de afgelopen tien jaar antwoorden te geven op enkele van onze diepste vragen over menselijke intelligentie.
Wiskundige raamwerken zoals logica en waarschijnlijkheidstheorie zijn van fundamenteel belang voor het beschrijven van de aard van denken en leren, maar de abstracte regels en conclusies die ze identificeren moeten in echte menselijke hersenen worden geïmplementeerd. Kunstmatige neurale netwerken geven ons belangrijke aanwijzingen over hoe ze werken. Door deze stukken samen te voegen, komen we dicht bij het vervullen van de visie van Descartes en Leibniz eeuwen geleden, namelijk het hebben van een wiskundig raamwerk voor het beschrijven van gedachten.
5. Er is nog steeds een groot verschil tussen de menselijke geest en AI.
Ondanks al deze vooruitgang vertoont de moderne AI nog steeds enkele belangrijke hiaten. Een van de mooiste dingen bij het leren. Als je alle teksten voorleest die tegenwoordig worden gebruikt om chatbots te trainen, zou het tienduizenden jaren duren. Een mensenkind daarentegen leert in minder dan tien jaar vloeiend zijn moedertaal te spreken. Dit betekent dat er iets in het menselijk brein zit dat anders is dan onze AI-algoritmen. Uitzoeken wat er zou kunnen gebeuren is een probleem dat we in mijn laboratorium bestuderen, en een probleem dat veel cognitieve wetenschappers bezighoudt.
Er is ook de interessante vraag wat neurale netwerken precies leren, en of ze de wereld op dezelfde manier vertegenwoordigen als wij. In sommige gevallen kan dit het geval zijn, maar in andere kunnen we aantonen dat de twee heel verschillend zijn. Uitzoeken wat een AI-systeem weet en wanneer het een taak zal slagen of falen, is een geweldige kans om methoden te gebruiken die cognitieve wetenschappers hebben aangescherpt door mensen te bestuderen. Lange tijd hadden we maar één soort die dergelijk intelligent gedrag vertoonde, dus het bestuderen van andere soorten zal de deur openen om niet alleen meer over AI te begrijpen, maar ook om meer over onszelf te begrijpen.
Geniet van onze complete bibliotheek met Book Bites – gelezen door de auteurs! – op Volgende Big Idea-app.
dit artikel verscheen aanvankelijk in de Volgende grote ideeënclub tijdschrift en herdrukt met toestemming.
