Como os humanos usam objetos em novas maneiras de resolver problemas

Resumo: O estudo fornece uma nova estrutura para investigar e formalizar os processos cognitivos por trás de como os humanos usam as ferramentas.

Fonte: COM

Os seres humanos são usuários de ferramentas naturalmente criativos. Quando precisamos enfiar um prego, mas não temos um martelo, percebemos facilmente que podemos usar um objeto pesado e plano como uma pedra em seu lugar. Quando nossa mesa está trêmula, descobrimos rapidamente que podemos colocar uma pilha de papel sob a perna da mesa para estabilizá-la. Mas, embora essas ações pareçam tão naturais para nós, acredita-se que sejam uma marca registrada de grande inteligência – apenas algumas outras espécies usam objetos de maneiras novas para resolver seus problemas, e nenhuma pode fazer isso com a flexibilidade das pessoas. O que nos fornece esses recursos poderosos para usar objetos dessa maneira?

Em um novo artigo publicado no Proceedings of the National Academy of Sciences descrevendo o trabalho realizado no Centro de Cérebros, Mentes e Máquinas do MIT, os pesquisadores Kelsey Allen, Kevin Smith e Joshua Tenenbaum estudam os componentes cognitivos que fundamentam esse tipo de uso de ferramenta improvisada.

Eles projetaram uma nova tarefa, o jogo de Ferramentas Virtuais, que explora as habilidades de uso de ferramentas: as pessoas devem selecionar um objeto de um conjunto de “ferramentas” que podem ser colocadas em uma cena computadorizada bidimensional para atingir um objetivo, como colocar uma bola em um determinado recipiente. Resolver os quebra-cabeças neste jogo requer raciocínio sobre uma série de princípios físicos, incluindo lançar, bloquear ou apoiar objetos.

A equipe formulou a hipótese de que existem três capacidades nas quais as pessoas contam para resolver esses quebra-cabeças: uma crença anterior que orienta as ações das pessoas em direção àquelas que farão a diferença na cena, a capacidade de imaginar o efeito de suas ações e um mecanismo para rapidamente atualizar suas crenças sobre quais ações provavelmente fornecerão uma solução.

Eles construíram um modelo que instanciava esses princípios, chamado de modelo “Amostra, Simulação, Atualização” ou “SSUP”, e o fazia jogar da mesma forma que as pessoas. Eles descobriram que o SSUP resolveu cada quebra-cabeça em taxas semelhantes e de maneiras semelhantes às das pessoas. Por outro lado, um modelo popular de aprendizado profundo que podia jogar bem os jogos do Atari, mas não tinha o mesmo objeto e estruturas físicas, não foi capaz de generalizar seu conhecimento para os quebra-cabeças nos quais não foi treinado diretamente.

Este é o desenho de um robô movendo blocos
Eles descobriram que o SSUP resolveu cada quebra-cabeça em taxas semelhantes e de maneiras semelhantes às das pessoas. Crédito: MIT

Esta pesquisa fornece uma nova estrutura para estudar e formalizar a cognição que suporta o uso de ferramentas humanas. A equipe espera estender esta estrutura não apenas para estudar o uso de ferramentas, mas também como as pessoas podem criar novas ferramentas inovadoras para novos problemas e como os humanos transmitem essas informações para construir de ferramentas físicas simples a objetos complexos como computadores ou aviões que agora fazem parte de nossas vidas diárias.

Kelsey Allen, uma estudante de PhD no Laboratório de Ciência Cognitiva Computacional do MIT, está entusiasmada com a forma como o jogo Virtual Tools pode apoiar outros cientistas cognitivos interessados ​​no uso de ferramentas: “Há muito mais para explorar neste domínio. Já começamos a colaborar com pesquisadores de várias instituições diferentes em projetos que vão desde estudar o que significa para os jogos serem divertidos até estudar como a incorporação afeta o raciocínio físico desincorporado. Espero que outras pessoas na comunidade da ciência cognitiva usem o jogo como uma ferramenta para entender melhor como os modelos físicos interagem com a tomada de decisões e o planejamento. ”

Crédito: MIT

Joshua Tenenbaum, professor de ciência cognitiva computacional do MIT, vê este trabalho como um passo em direção à compreensão não apenas de um aspecto importante da cognição e da cultura humana, mas também de como construir formas de inteligência mais semelhantes às humanas nas máquinas.

“Os pesquisadores de Inteligência Artificial estão muito entusiasmados com o potencial de algoritmos de aprendizagem por reforço (RL) para aprender com a experiência de tentativa e erro, como os humanos fazem, mas a verdadeira aprendizagem por tentativa e erro de que os humanos se beneficiam se desenvolve em apenas um punhado de testes – não milhões ou bilhões de experiências, como nos sistemas RL de hoje ”, diz Tenenbaum.

“O jogo Virtual Tools nos permite estudar essa forma muito rápida e muito mais natural de aprendizagem por tentativa e erro em humanos, e o fato de que o modelo SSUP é capaz de capturar a dinâmica de aprendizagem rápida que vemos em humanos sugere que também pode apontam o caminho para novas abordagens de IA para RL que podem aprender com seus sucessos, suas falhas e seus quase-erros tão rápida e flexível quanto as pessoas ”.

Veja também

Isso mostra os neurônios do hipocampo

Sobre estas notícias de pesquisa de cognição

Fonte: COM
Contato: Anne Trafton – MIT
Imagem: A imagem é creditada ao MIT

Pesquisa original: Acesso fechado.
“O aprendizado rápido por tentativa e erro com simulação oferece suporte ao uso flexível de ferramentas e raciocínio físico”, de Kelsey R. Allen, Kevin A. Smith e Joshua B. Tenenbaum. PNAS


Resumo

A aprendizagem rápida por tentativa e erro com simulação suporta o uso flexível de ferramentas e raciocínio físico

Muitos animais e um número crescente de agentes artificiais exibem capacidades sofisticadas de perceber e manipular objetos. Mas os seres humanos permanecem distintos em sua capacidade de uso de ferramentas flexíveis e criativas – usando objetos de novas maneiras para agir no mundo, atingir um objetivo ou resolver um problema. Para estudar esse tipo de solução de problemas físicos gerais, apresentamos o jogo Ferramentas Virtuais. Neste jogo, as pessoas resolvem uma grande variedade de quebra-cabeças físicos desafiadores em apenas algumas tentativas. Propomos que a flexibilidade da resolução de problemas físicos humanos repousa na capacidade de imaginar os efeitos de ações hipotéticas, enquanto a eficiência da busca humana surge de ricas antecedentes de ação que são atualizados por meio de observações do mundo. Instanciamos esses componentes no modelo de “amostra, simulação, atualização” (SSUP) e mostramos que ele captura o desempenho humano em 30 níveis do jogo Ferramentas Virtuais. De forma mais ampla, este modelo fornece um mecanismo para explicar como as pessoas condensam o conhecimento físico geral em planos acionáveis ​​e específicos de tarefas para obter uma solução flexível e eficiente de problemas físicos.

Leave a Reply

Your email address will not be published. Required fields are marked *