Новостная лента

Искусственный интеллект помогает понять, как дети учатся

02.06.2016

Для того, чтобы установить причинно-следственные связи между явлениями в природе и обществе, ученые применяют эксперименты и данные статистики. Исследователи искусственного интеллекта начали создание программ, которые позволяют компьютерам учиться о причинно-следственные связи таким же способом, как это делают ученые. Интересно, эксперименты, которые продолжаются уже 15 лет показывают, что и дети делают так же.

 

В одном из экспериментов мы показали детям дошкольного возраста простую машину с переключателем и двумя дисками синего и желтого цвета. Впоследствии мы продемонстрировали им несколько экспериментов, которые показывают, что будет происходить с машиной, если вы проведете над ней несколько простых манипуляций, например снимете один диск, поменяете положение переключателя и будете наблюдать за другим диском. Используя эти данные, дети смогли сделать правильные выводы о том, переключатель, запуская синий диск, запускает и желтый (в статистике это называется цепной причинно-наслідковою структурой) или, возможно, переключатель заставляет два диска вращаться одновременно (структура одинаковой причинности).

 

Баєсова статистика учитывает как исходные данные, так и силу имеющихся у вас гипотез. Как ученые, так и малыши пристают к хорошо подтвержденных гипотез, но достаточное количество новых доказательств может поколебать веру даже в те гипотезы, которые они ревностно лелеют. Несколько исследований показывают, что дети именно таким образом интегрируют новые знания со своими предыдущими когнитивными моделями. В исследовании Элизабет Бонавіц с Рутгерського университета и Лауры Шульц из Массачусетского технологического института авторы обнаружили, что четырехлетние дети начинают с рассуждения о том, что психологическое состояние, например тревога, не имеет связи с физическим состоянием (например, болью в желудке). Но если вы наведете им достаточное количество доказательств в пользу этой «гипотезы психосоматической», они постепенно будут принимать эту идею. Баєсівська модель позволяет достаточно точно предсказать, когда и как изменится мнение ребенка.

 

В нашей лаборатории мы установили, что дети могут делать неожиданно точные выводы даже о гораздо более абстрактные причинно-следственные связи. Причины предопределяют последствия различными способами, которые можно описать, используя Булеву логику компьютерного программирования. Например, в программу может быть заложена операция «ИЛИ»: блок или включает машину, или нет. Альтернативным способом может быть операция «И»: нужна комбинация блоков, чтобы запустить машину. Дошкольники усваивают эти абстрактные принципы из статистических шаблонов и делают это иногда лучше взрослых. Баессовские модели позволяют предусмотреть, как четырехлетние малыши осваивают эту базовую логику компьютерного программирования.

 

Важно, что во всех этих случаях дети делают правильные выводы только после нескольких попыток, тогда как технология «глубинного обучения» требует тысяч попыток. Обучение происходит путем сочетания інтерналізованих моделей окружающего мира с новым опытом, который они постоянно получают из окружающей среды.

 

Элисон Ґопнік, профессор психологии и приглашенный профессор философии из Калифорнийского университета в Беркли, автор книги «Делая искусственный интеллект человеческим» В своих исследованиях она изучает, как малые дети познают окружающий мир.

 

Alison Gopnik

Artificial Intelligence Helps in Learning How Children Learn

Scientific American, June issue 2017

Отреферировал Евгений Ланюк

You Might Also Like

Loading...

Нет комментариев

Комментировать

Яндекс.Метрика