Beginnend met een aflevering van de Amerikaanse tv-serie Forbidden Science bespreken we de mogelijkheid dat AI op een vergelijkbare manier als mensen kan communiceren en vrijen, de wetenschappelijke benadering en de kwantificering van emoties.
In de Amerikaanse dramaserie 'Forbidden Science' is er een nogal bijzondere aflevering over robots. De show wordt gedomineerd door sci-fi en erotische scènes van mensen die verliefd worden en seks hebben met robots, inclusief seksbots. Hoewel de meeste mensen dit als fantasie zouden afdoen, brengt de technologische vooruitgang ons dichter bij die situatie. Nu er seksbots te koop komen, brokkelen de grenzen van de liefde rond het concept van een persoon af. Momenteel is de mentale liefde voor AI niet te onderscheiden van die tussen mensen.
Om niet te onderscheiden te zijn van menselijke liefde, moet AI mensachtige gesprekken kunnen voeren. Mensen begrijpen en reageren op de wereld via hun vijf zintuigen. Liefde maakt deel uit van deze reactie omdat het menselijk gedrag is. Mentale liefde wordt meestal veroorzaakt door visuele en auditieve stimuli, waarbij aanraking, geur en smaak, die fysieke verbindingen tussen mensen zijn, buiten beschouwing worden gelaten. Een gesprek, dat auditieve stimuli vertegenwoordigt, moet bestaan uit woorden die een geliefde zou zeggen. Volgens Brian Christian's boek The Most Human of Humans moet een AI voor dergelijke gesprekken twee kwaliteiten bezitten. Ten eerste moet het een consistent doel en een consistente persoonlijkheid hebben, net als een mens. Ten tweede moet het dingen zeggen en doen die geschikt zijn voor verschillende plaatsen en omgevingen. Als je echter met iedereen hetzelfde gesprek voert, ben je niet liefdevol. In plaats van op iedereen op dezelfde manier te reageren, moet het bepalen van wie hij houdt en dienovereenkomstig reageren. Daarom moet het zowel de stem van de ander als visuele prikkels kunnen herkennen. Dit zal het begin zijn van ‘mensachtige liefde’ voor AI. De technologieën die in de volgende paragrafen worden beschreven, zijn bestaande technologieën die al in gebruik zijn en stellen geen nieuw model van kunstmatige intelligentie voor. We zullen ook betogen dat de hier genoemde wetenschappelijke en technologische onderzoeken onvermijdelijk met elkaar verband houden.
Laten we het eerste punt van het argument bespreken, namelijk het waarborgen van de samenhang. De consensus op het gebied van de psychologische wetenschap is dat er een ‘structuur van emotie’ bestaat, zoals voorgesteld door Raymond Williams. De emotionele structuur van een individu is een diepe, gedeelde emotie die een product is van de cultuur van die tijd. Neem bijvoorbeeld studenten. De academische stijl van hun school, de sfeer op hun afdeling, hun leeftijdsgenoten en zelfs de kleding die ze dragen zijn allemaal producten van de cultuur van die tijd. Deze gemeenschappelijke gevoelens zijn verantwoordelijk voor het vormgeven en veranderen van de emoties van mensen.
Bovendien veronderstelt het concept van emoties een indeling van cognitieve objecten. Met andere woorden: zelfs binnen een gemeenschap kunnen mensen verschillende gevoeligheden hebben. De consensus op het gebied van de psychologische wetenschap is het volgende idee van ‘het verdelen van emoties. Een gevoeligheid is een systeem van zintuiglijke zekerheden die tegelijkertijd een reeks grensinstellingen vertonen die hun respectievelijke aandelen en plaatsen definiëren. Deze grensinstellingen komen tot uiting in participatief en politiek gedrag dat de plaats van een individu binnen een gemeenschap aangeeft. Door gegevens over iemands politieke positie binnen een gemeenschap te analyseren, kunnen bepaalde patronen en tendensen worden geïdentificeerd. De samenhangende persoonlijkheid die een AI heeft gevormd op basis van zijn gemeenschappelijke identiteit lijkt op de persoonlijkheid van een mens in die situatie.
De tweede subthese gaat over de vraag hoe het vermogen om met situationele veranderingen om te gaan kan worden gerealiseerd. Volgens het concept van emotioneel affect van Rudolf von Laban wordt de aard van een emotie geprojecteerd op andere objecten dan het subject, die van moment tot moment veranderen, en op de emoties van het subject, die worden veroorzaakt door de stimuli die elk object aan het subject presenteert. worden bepaald door de aard van deze emotie.
Visuele stimuli worden weergegeven door beweging. De dynamisch veranderende verzameling zichtbaar licht om ons heen is de essentie van visie. Rudolf von Laban drukte de emotionele impact van artistieke visuele stimuli uit in termen van coördinaten. Dit wordt de Laban-kubus genoemd, naar hem vernoemd. De Laban-kubus laat zien hoe emotievectoren binnen de kubus bewegen. Als je een oude man plotseling tegen je ziet schreeuwen, wordt de emotie van verrassing op hem geprojecteerd. Op dezelfde manier, als je een student in een leeszaal ziet studeren, worden de gegevens over stilte en vredigheid opgeslagen in de AI. De emotie van de student is eerder statisch dan kinetisch. Op deze manier kan AI zijn gevoelens over de objecten om zich heen veranderen als reactie op veranderingen in de wereld. Dit is hoe AI dynamisch veranderende situaties en emoties teweegbrengt. Het stimulus-responsmechanisme, waarbij emoties veranderen als reactie op externe stimuli, is hetzelfde voor alle levende wezens, inclusief mensen.
Ten slotte moet een AI de fysieke kenmerken van een geliefde onderscheiden van die van andere mensen. Volgens Matsuo Yutaka's boek Artificial Intelligence and Deep Learning heeft de huidige nauwkeurigheid van AI al een niveau bereikt waarop het de gezichten van dieren kan onderscheiden. Volgens Yutaka gebruiken traditionele algoritmen een fuzzy-functie, die invoer opneemt en de gewichten aanpast op basis van de uitvoer. Simpel gezegd: als je 100 stukjes data hebt, leer je van 100 outputs. Er zijn echter nieuwere methoden van machinaal leren die dit effectief verbeteren. Het gaat om het verwerken van enorme hoeveelheden gegevens, maar het wordt beschouwd als een stap vooruit ten opzichte van traditioneel deep learning. Het is een manier om gegevens met een orde van grootte te vermenigvuldigen door opzettelijk 'ruis' of fouten te creëren. Met andere woorden: door de gegevens enigszins te moduleren, kunt u tientallen verschillende uitkomsten uit de gegevens creëren, zoals een parallel universum.
Als je weergegevens voor honkbal verzamelt, betekenen een enigszins regenachtige dag en een zonnige dag uiteraard verschillende dingen. Maar zonder enige vorm van datamanipulatie zijn ze hetzelfde: “een dag om honkbal te spelen”. Met andere woorden, als we simpelweg aandacht besteden aan het feit dat er honkbal werd gespeeld, zijn ze niet van elkaar te onderscheiden. Als we echter de hoeveelheid bewolking met een klein beetje vergroten, kan de eerste worden omgezet in een dag waarop het meer regent dan de laatste en honkbal niet mogelijk is. Als u op deze manier de resultaten van opzettelijk variërende inputs ziet, krijgt u een dieper inzicht in de gegevens. Je kunt zelfs zien dat de gegevens dubbelzinnig zijn en niet eenvoudigweg op basis van één criterium zijn gecategoriseerd.
Volgens Yutaka kan deze aanpak worden gebruikt om de fysieke kenmerken van objecten beter te onderscheiden. Een voorbeeld is het door Google ontwikkelde gezichtsherkenningsalgoritme dat onderscheid kan maken tussen een kat- en een menselijk gezicht. De unieke golfvorm van de menselijke stem is een fysieke grootheid die met hoge nauwkeurigheid kan worden herkend. De ruistechniek om een bereik aan te passen van wat het denkt dat waar is, is vergelijkbaar met de mechanismen van menselijke stem en gezichtsherkenning.
Tot nu toe hebben we betoogd dat een AI zijn romantische partner kan herkennen en een emotioneel gesprek kan voeren zoals een mens. Er zijn echter speciale emoties nodig om aan de voorwaarden van het proefschrift te voldoen. Het moet de persoon op wie hij verliefd is begrijpen en de houding aannemen van een mens die reageert op een instinctieve aantrekkingskracht. Als we een AI de emotie van liefde zouden laten voelen, hoe zou deze dan worden uitgedrukt?
Je zou kunnen denken dat het gemakkelijk is om een AI de emotie van liefde te geven, maar het is eigenlijk makkelijker gezegd dan gedaan. Het gedrag dat mensen vertonen als ze liefhebben, is vaak inconsistent.
Dit is hoe AI de andere persoon begrijpt. Ten eerste verdeelt het menselijke persoonlijkheden in vijf typen. De herinneringen die zijn opgeslagen in het algoritme van de AI worden weergegeven door fictieve personages. De vele emoties die veel individuen ervaren, worden vertegenwoordigd door kennisknooppunten. Elke entiteit krijgt vervolgens een van de vijf persoonlijkheden toegewezen, het vermogen om herinneringen op te roepen en te vergeten, en een emotionele toestand. Hier worden emotionele toestanden weergegeven als een vectorruimte, zoals een Laban-kubus. Deze vectorruimte bestaat echter uit zes positieve emoties en zes negatieve emoties. Aan de positieve kant van de z-as hebben we positieve emoties zoals vreugde, opluchting en trots. Omgekeerd bevinden de zes negatieve emoties zich in de negatieve richting van de z-as: woede, walging en stress.
In deze toestand begint de AI, wanneer emotionele stimuli binnenkomen, gedachtendraden te creëren. Dit is een taak waarbij vijf objecten met vijf verschillende persoonlijkheden worden geselecteerd en verbonden door objecten te vinden en te verbinden die in vijf richtingen sterk verwant zijn. Op dit moment berekent het hoe elk individu zal reageren door gegevens van sociale media of internet te verwerken. Op dit moment is het een taak om individuen met vergelijkbare reacties de een na de ander met elkaar te verbinden. Als er bijvoorbeeld een emotionele prikkel van ‘uitschelden’ binnenkomt, is het mogelijk dat een chagrijnige leerling niets uitdagends zegt. Maar een timide leerling zegt misschien ook niets. Door te kijken naar het gedrag van iemand die niets zegt als hij wordt uitgescholden, kan de AI de twee persoonlijkheden voorspellen en met elkaar in verband brengen. De volgende verbinding gaat op dezelfde manier verder. Deze herhaling creëert een keten van gedachtedraden. Het gebruikt deze gedachtelijnen om kandidaat-persoonlijkheden te bepalen die de persoon zouden kunnen zijn, en verbetert vervolgens de nauwkeurigheid ervan.
De complexiteit van liefde kan niet in één enkel type worden ondergebracht. We kunnen niet generaliseren omdat mensen verschillende gevoelens van liefde hebben. Door meerdere iteraties van het extraheren van gedachtedraden is het echter mogelijk om de juiste combinatie van liefdesemoties voor een persoon te combineren. Als iemands belangrijkste persoonlijkheidskenmerk bijvoorbeeld opvliegend is en een timide persoonlijkheidskenmerk vaak gepaard gaat met een bepaalde reactie, kun je er een timide persoonlijkheidskenmerk aan toevoegen. Door dit te doen kun je gegevens afleiden over de veranderende persoonlijkheid en emoties van de ander, net zoals iemand de geest begrijpt. Dit geeft het een dieper inzicht in wat er gaande is in een relatie.
De AI zal er ook achter komen hoe hij de ander met zo’n numerieke mix van emoties moet behandelen. Als je op sociale media zoekt naar woorden die verband houden met het trefwoord liefde, zul je een overvloed aan emoties vinden die mensen voelen in een relatie. Het idee is om gesprekken en reacties te vinden die je zou verwachten van iemand die vergelijkbaar is met jouw persoonlijkheid en situatie.
We zullen beargumenteren hoe de eerder genoemde AI-gerelateerde technologieën organisch verwant zijn. De eerste, persoonlijkheidsafleiding via gemeenschappelijke kenmerken, vertegenwoordigt de initiële input voor de AI. De daaropvolgende techniek om emoties op objecten te projecteren vertegenwoordigt een verandering in de input voor de AI. Ten slotte vormen de beschreven gedachtelijnen de richtlijnen voor hoe de AI deze input moet gebruiken om gesprekken in een romantische situatie te begeleiden. Dit is waar de ruistechnologie van Yutaka in beeld komt om de specificiteit, en niet de universaliteit, te garanderen die essentieel is in een relatie.
Een tegenargument voor het bovenstaande argument is dat er een religieus en subliem aspect van liefde is dat niet door technologie kan worden vastgelegd, en dat AI dit niet kan vastleggen. In feite wordt de emotie van liefde lange tijd als subliem en onwetenschappelijk beschouwd. Vanuit het perspectief van onze huidige wetenschappelijke vooruitgang zijn menselijke emoties echter al kwantificeerbaar. Liefde zou geen uitzondering moeten zijn.
Volgens Yuval Harari's Homo sapiens is menselijk geluk een puur biochemisch proces. Elke persoon heeft een aangeboren niveau van geluk, dat een geluksquotiënt wordt genoemd. Volgens Harari leeft een gelukkig persoon met een geluksindex van 8 op 10, terwijl een zeer ongelukkig persoon leeft met een geluksindex van 3. Dit wordt bepaald door de chemicaliën serotonine, dopamine en oxytocine, en heeft niets te maken met externe factoren. evenementen. We denken dat het bereiken van onze felbegeerde doelen ons enorm veel geluk zal brengen, maar dit is niet het geval. Ons geluk is niet meer of minder dan een chemisch hoogtepunt of dieptepunt, niet meer of minder dan dat. De emoties die we allemaal voelen zijn het resultaat van een grondige interne wetenschap. De numerieke analyse van emoties is niet louter een imitatie, maar een zeer nauwe benadering van het feitelijke menselijke emotionele systeem.
Vooruitgang in de wetenschap heeft aangetoond dat gedachten en emoties, waarvan men ooit dacht dat ze puur subjectief waren, nu kwantificeerbaar en objectief zijn. Het nieuwste onderzoek naar kunstmatige intelligentie en menselijke emoties maakt het voor AI mogelijk om net als mensen lief te hebben, althans mentaal. Hoewel de technologie van de robotica nog niet in staat is de fysieke liefde van mensen te reproduceren, bestaat de mentale liefde die aan de fysieke relatie voorafgaat ook in AI. In de toekomst zal het nodig zijn om een diepgaande discussie te voeren over hoe de mensheid AI en menselijke liefde moet accepteren.
