Les nourrissons surpassent l’intelligence artificielle dans la détection de ce qui motive les steps des autres, selon une nouvelle étude réalisée par une équipe de chercheurs en psychologie et en science des données. Ses résultats, qui mettent en évidence des différences fondamentales entre la cognition et le calcul, mettent en évidence les lacunes des systems actuelles et les domaines où des améliorations sont nécessaires pour que l’IA reproduise additionally complètement le comportement humain.
“Les adultes et même les nourrissons peuvent facilement faire des déductions fiables sur ce qui motive les steps des autres”, explique Moira Dillon, professeure adjointe au département de psychologie de l’Université de New York et auteur principal de l’article, qui paraît dans la revue Cognition. “L’IA actuelle trouve ces inférences difficiles à faire.”
“La nouvelle idée de mettre les nourrissons et l’IA encounter à experience sur les mêmes tâches permet aux chercheurs de mieux décrire les connaissances intuitives des nourrissons sur les autres et de suggérer des moyens d’intégrer ces connaissances dans l’IA”, ajoute-t-elle.
“Si l’IA vise à former des penseurs flexibles et de bon sens comme le deviennent les adultes humains, alors les machines devraient s’appuyer sur les mêmes capacités de foundation que les nourrissons possèdent pour détecter les objectifs et les préférences”, déclare Brenden Lake, professeur adjoint au Center for Information Science and Division of Psychology de NYU. et l’un des auteurs de l’article.
Il est bien établi que les nourrissons sont fascinés par les autres, comme en témoigne la durée pendant laquelle ils regardent les autres pour observer leurs steps et s’engager socialement avec eux. De as well as, des études antérieures axées sur la « psychologie de bon sens » des nourrissons – leur compréhension des intentions, des objectifs, des préférences et de la rationalité sous-jacente aux steps des autres – ont indiqué que les nourrissons sont capables d’attribuer des objectifs aux autres et de s’attendre à ce que les autres poursuivent des objectifs. rationnellement et efficacement. La capacité de faire ces prédictions est fondamentale pour l’intelligence sociale humaine.
À l’inverse, “l’IA de bon sens” – pilotée par des algorithmes d’apprentissage automatique – prédit directement les actions. C’est pourquoi, par exemple, une annonce présentant San Francisco comme place de voyage apparaît sur l’écran de votre ordinateur après avoir lu un reportage sur un fonctionnaire municipal nouvellement élu. Cependant, ce qui manque à l’IA, c’est la flexibilité dans la reconnaissance des différents contextes et conditions qui guident le comportement humain.
Pour développer une compréhension fondamentale des différences entre les capacités humaines et celles de l’IA, les chercheurs ont mené une série d’expériences avec des nourrissons de 11 mois et ont comparé leurs réponses à celles fournies par un réseau de neurones basé sur l’apprentissage à la pointe de la technologie. des modèles.
Pour ce faire, ils ont déployé le “Child Intuitions Benchmark” (BIB) précédemment établi – 6 tâches sondant la psychologie du bon sens. BIB a été conçu pour permettre de tester à la fois l’intelligence des nourrissons et des devices, permettant une comparaison des performances entre les nourrissons et les machines et, de manière significative, fournissant une base empirique pour la design d’une IA de kind humain.
Additionally précisément, les bébés sur Zoom ont regardé une série de vidéos de formes animées simples se déplaçant sur l’écran, comme dans un jeu vidéo. Les actions des formes simulaient le comportement humain et la prise de décision par la récupération d’objets sur l’écran et d’autres mouvements. De même, les chercheurs ont construit et formé des modèles de réseaux neuronaux axés sur l’apprentissage – des outils d’IA qui aident les ordinateurs à reconnaître des modèles et à simuler l’intelligence humaine – et ont testé les réponses des modèles aux mêmes vidéos.
Leurs résultats ont montré que les nourrissons reconnaissent les motivations de style humain même dans les actions simplifiées des formes animées. Les bébés prédisent que ces steps sont motivées par des objectifs cachés mais cohérents – par exemple, la récupération à l’écran du même objet, quel que soit son emplacement, et le mouvement efficace de cette forme même lorsque l’environnement alter. Les nourrissons démontrent de telles prédictions en observant moreover longtemps de tels événements qui violent leurs prédictions – une mesure courante et vieille de plusieurs décennies pour évaluer la mother nature des connaissances des nourrissons. L’adoption de ce « paradigme de la surprise » pour étudier l’intelligence artificielle permet des comparaisons directes entre la mesure quantitative de la surprise d’un algorithme et une mesure psychologique humaine bien établie de la surprise : le temps d’observation des nourrissons. Les modèles n’ont montré aucune preuve de la compréhension des motivations sous-jacentes à de telles steps, révélant qu’il leur manque des principes fondamentaux fondamentaux de la psychologie de bon sens que possèdent les nourrissons.
“Les connaissances fondamentales d’un enfant humain sont limitées, abstraites et reflètent notre héritage évolutif, mais elles peuvent s’adapter à n’importe quel contexte ou culture dans lequel cet enfant pourrait vivre et apprendre”, observe Dillon.
La recherche a été soutenue par des subventions de la National Science Foundation (DRL1845924) et de la Protection State-of-the-art Assignments Study Agency (HR001119S0005).