[论文解读] How does the AI understand what's going on

Dimiter Dobrev|arXiv (Cornell University)|Apr 27, 2018

Reinforcement Learning in Robotics参考文献 7被引用 5

一句话总结

本文提出了一种记忆增强型人工智能框架，通过维持一个追踪时间与情境变化的内部状态，使人工智能能够回答诸如“我在哪里？”和“正在发生什么？”等基本问题。其主要贡献是一种动态的记忆模型，使人工智能从静态函数转变为具备情境意识和自我指涉推理能力的设备。

ABSTRACT

Most researchers regard AI as a static function without memory. This is one of the few articles where AI is seen as a device with memory. When we have memory, we can ask ourselves: "Where am I?", and "What is going on?" When we have no memory, we have to assume that we are always in the same place and that the world is always in the same state.

研究动机与目标

• 挑战将人工智能视为静态、无记忆函数的主流观点。
• 研究记忆如何使人工智能发展出情境意识和自我指涉的理解能力。
• 提出一种人工智能框架，使其能够维持内部状态以追踪时间与情境的变化。
• 通过持久记忆使人工智能能够回答诸如“我在哪里？”和“正在发生什么？”等问题。
• 为能够感知自身处于时间与空间中的智能系统奠定基础。

提出的方法

• 引入一种记忆增强型人工智能模型，能够随时间存储并更新内部状态。
• 将人工智能的内部表征建模为随输入和时间动态演变的函数。
• 以“自我定位”和“世界状态”作为记忆的核心组成部分。
• 将人工智能的当前状态视为过去输入与内部记忆的函数，从而实现情境上的连续性。
• 将人工智能的推理过程视为通过记忆回答“我在哪里？”和“正在发生什么？”的过程。
• 将该框架应用于将人工智能行为建模为一系列自我意识状态，而非孤立的响应。

实验结果

研究问题

• RQ1 人工智能系统如何发展出自我的定位感与情境意识？
• RQ2 记忆在使人工智能理解时间与情境变化方面发挥什么作用？
• RQ3 缺乏记忆如何限制人工智能对世界当前状态的推理能力？
• RQ4 人工智能能否被建模为一种持续更新其内部状态以回答“正在发生什么？”的设备？
• RQ5 将人工智能视为基于记忆的系统而非静态函数，其含义是什么？

主要发现

• 本文确立了记忆对于人工智能在动态环境中感知连续性与情境至关重要。
• 若无记忆，人工智能必须假设世界处于静态状态，从而限制其对变化或位置的推理能力。
• 该模型通过维持持久的内部状态，使人工智能能够回答“我在哪里？”和“正在发生什么？”。
• 该框架重新定义人工智能，不再将其视为函数，而是具备时间与情境意识的设备。
• 该方法为自我指涉与情境敏感的人工智能行为提供了理论基础。
• 本研究将记忆定位为人工智能实现高级认知功能的前提条件。