Reading hjælper A.I. Lær at forudsige menneskelige reaktioner

Der er mange forskellige måder A.I. Udviklere forsøger at få intelligente maskiner til at lære og absorbere information og erfaringer - og det involverer normalt at gøre programmer grave gennem enorme dumper af data. Men et team af Stanford-forskere ser på en langt mere konventionel form for undervisning, som mennesker har påberåbt sig siden begyndelsen af ​​det skrevne ord: Reading.

I en ny undersøgelse, der er uploadet til arkivarkivet arkXiv (udtales "arkiv"), redegør et forskergruppe, hvordan det oprettede et program med navnet Augur, for at få adgang til en sindssyg stor database af online-fiktion - og det har lært, hvordan man nøjagtigt kan forudsige forskellige former for menneskelige reaktioner på specifikke situationer - udelukkende baseret på det, den har læst.

Augur har grundlæggende lært om mennesker gennem 600.000 historier, der for øjeblikket er gemt på den online skriftlige community WattPad. Det er læse beskrivelser af menneskelig adfærd, der spænder fra det dagligdagede, som at spise mad eller tage en selvhjælp til det meget mere ekstreme. På grund af dette kan Augur identificere handlinger af individuelle mennesker i virkelige situationer og forudsige, hvad det næste skridt vil være, "som en telefon, der taler sig selv, når oddsene for dig svarer det er lave", skriver forskerne.

Og det er nemt at se, hvorfor fiktion er et nyttigt læringsværktøj. "Mens vi plejer at tænke på historier med hensyn til de dramatiske og usædvanlige begivenheder, der former deres plot," skriver forskerne i papiret, "historier er også fyldt med prosaiske oplysninger om, hvordan vi navigerer og reagerer på vores hverdag. Over mange millioner af ord er disse jordiske mønstre langt mere almindelige end deres dramatiske modparter. Tegn i moderne fiktion tænder lysene efter indtastning af værelser; de reagerer på komplimenter ved at rødme; de svarer ikke på deres telefoner, når de er i møder."

I de felter, der blev udført indtil videre, fik deltagerne en Augur-powered wearable kamera for at gøre det muligt for systemet at identificere objekter og personer i et givet miljø. Systemet kunne forudse det næste træk med 71 procent nøjagtighed. Omkring 94 procent af disse forudsigelser blev vurderet "fornuftige" - en temmelig væsentlig oplevelse, når du husker det er bare en flok algoritmisk kode, der kan forsøge at forudsige fremtiden.

Selvfølgelig er det ikke første gang A.I. forskere har vendt sig til litteratur for at undervise maskiner. Facebook lavede for nylig 1,6 gigabyte af børnehistorie til rådighed for forskningsmiljøet med henblik på at hjælpe A.I. skelne realistiske scenarier fra det fantastiske.