Melanie Mitchell ist eine amerikanische Informatikerin und Professorin am Santa Fe Institute. Ihre Forschung konzentrierte sich auf analoges Schließen, genetische Algorithmen, zelluläre Automaten und komplexe Systeme, und ihre Veröffentlichungen in diesen Bereichen werden häufig zitiert. Sie ist die Autorin mehrerer einflussreicher Bücher, darunter Complexity: A Guided Tour, das 2010 mit dem Phi Beta Kappa Science Book Award ausgezeichnet wurde, und Artificial Intelligence: A Guide for Thinking Humans.
Mitchell promovierte 1990 an der University of Michigan, wo sie unter der Leitung von Douglas Hofstadter und John Holland die kognitive Architektur Copycat entwickelte. Diese Arbeit bildete die Grundlage für ihr Buch Analogy-Making as Perception. Sie hat außerdem Stephen Wolframs A New Kind of Science kritisiert und gezeigt, dass genetische Algorithmen verbesserte Lösungen für das Mehrheitsproblem bei eindimensionalen zellulären Automaten finden können.
Frühes Leben und Ausbildung
Melanie Mitchell wurde in Los Angeles, Kalifornien, geboren und wuchs dort auf. Sie besuchte die Brown University in Providence, Rhode Island, wo sie Physik, Astronomie und Mathematik studierte. Ihr Interesse an künstlicher Intelligenz wurde während des Studiums durch die Lektüre von Douglas Hofstadters Gödel, Escher, Bach geweckt.
Nach ihrem Studium arbeitete Mitchell als Mathematiklehrerin an einer High School in New York City. Entschlossen, KI zu verfolgen, suchte sie Hofstadter auf, der damals am MIT war. Nach mehreren unbeantworteten Anrufen erreichte sie ihn schließlich spät in der Nacht und sicherte sich ein Praktikum, das an Copycat arbeitete.
Im Herbst 1984 folgte Mitchell Hofstadter an die University of Michigan und reichte eine Last-Minute-Bewerbung für das Doktorandenprogramm ein. Sie promovierte 1990 mit einer Dissertation mit dem Titel Copycat: A Computer Model of High-Level Perception and Conceptual Slippage in Analogy-Making.
Karriere am Santa Fe Institute
Mitchell trat dem Santa Fe Institute bei, einem interdisziplinären Forschungszentrum, das für seine Arbeit an komplexen Systemen bekannt ist. Sie entwickelte die Complexity-Explorer-Plattform des Instituts, die Online-Kurse anbietet; ihr eigener Kurs über Komplexität hat mehr als 25.000 Studenten angezogen.
2018 organisierte Mitchell gemeinsam mit Barbara Grosz und Dawn Song den Workshop „On Crashing the Barrier of Meaning in AI“. Sie nimmt regelmäßig als Gastexpertin am Learning Salon teil, einer Online-Reihe, die sich auf biologische und künstliche Intelligenz konzentriert.
Mitchell hatte auch akademische Positionen an anderen Einrichtungen inne, darunter die Portland State University, wo sie Professorin in der Abteilung für Informatik war, und ist seit vielen Jahren Forschungswissenschaftlerin am Santa Fe Institute.
Forschungsbeiträge
Mitchells Doktorarbeit über das Copycat-Programm, entwickelt unter Douglas Hofstadter und John Holland, konzentrierte sich auf die Modellierung des analogen Schließens durch eine kognitive Architektur. Das Programm wurde entwickelt, um Analogieprobleme in einer Buchstabenketten-Domäne zu lösen, und sein Design betonte hochrangige Wahrnehmung und konzeptionelles Abgleiten. Diese Arbeit führte zu ihrem Buch Analogy-Making as Perception von 1993, das die Copycat-Architektur detailliert beschreibt.
In einer bekannten Forschungslinie verwendeten Mitchell und ihre Mitarbeiter Peter Hraber und James Crutchfield genetische Algorithmen, um Regeln für zelluläre Automaten zu evolvieren. Ihr Artikel „Revisiting the Edge of Chaos“ von 1993 zeigte, dass evolvierte Regeln Berechnungen, wie die Dichteklassifikation, besser durchführen konnten als zuvor entworfene Regeln. In verwandten Arbeiten zeigte Mitchell, dass genetische Algorithmen bessere Lösungen für das Mehrheitsproblem bei eindimensionalen zellulären Automaten finden konnten als von Menschen entworfene.
Mitchell hat auch Stephen Wolframs A New Kind of Science kritisiert und argumentiert, dass seine Behauptungen über die grundlegende Rolle einfacher Programme übertrieben seien.
Bücher und Schreiben
Mitchells erstes Buch, An Introduction to Genetic Algorithms (MIT Press, 1996), wurde zu einem Standard-Lehrbuch auf diesem Gebiet. Es behandelt die Grundlagen genetischer Algorithmen, ihre Anwendungen und theoretische Aspekte.
Complexity: A Guided Tour (Oxford University Press, 2009) bietet eine breite Einführung in komplexe Systeme und behandelt Themen wie Chaos, Netzwerke und Emergenz. Das Buch gewann 2010 den Phi Beta Kappa Science Book Award.
In Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019) untersucht Mitchell den Stand der modernen künstlichen Intelligenz, vom maschinellen Lernen bis zum Deep Learning, und argumentiert, dass KI-Systeme trotz beeindruckender Errungenschaften immer noch kein menschenähnliches Verständnis und keinen gesunden Menschenverstand besitzen. Das Buch erhielt positive Kritiken für seine zugängliche, aber kritische Perspektive.
Akademische Karriere und Öffentlichkeitsarbeit
Mitchell ist Professorin am Santa Fe Institute. Sie entwickelte die Complexity-Explorer-Plattform, die Online-Kurse anbietet; ihr Kurs „Introduction to Complexity“ hat mehr als 25.000 Studenten angezogen. Sie war auch an interdisziplinären Initiativen beteiligt, wie dem Workshop „On Crashing the Barrier of Meaning in AI“ von 2018, den sie gemeinsam mit Barbara Grosz und Dawn Song organisierte.
Mitchell nimmt häufig an öffentlichen Diskussionen über KI teil und tritt als Gastexpertin im Learning Salon auf, einer Online-Seminarreihe über biologische und künstliche Intelligenz.
Forschungsbeiträge
Mitchells Forschung erstreckt sich über mehrere Bereiche der KI und der Kognitionswissenschaft. Ihr Copycat-Programm modellierte analoges Schließen als einen Prozess hochrangiger Wahrnehmung und konzeptionellen Abgleitens. In den 1990er Jahren untersuchte sie die Verwendung genetischer Algorithmen zur Evolution zellulärer Automaten und zeigte, dass einfache Regeln komplexe Berechnungen durchführen können.
In jüngerer Zeit hat sich Mitchell Fragen zu den Grenzen der aktuellen KI zugewandt, insbesondere dem Deep Learning. Sie hat argumentiert, dass moderne neuronale Netze nicht über die robusten Abstraktions- und Analogiefähigkeiten der menschlichen Kognition verfügen.
Ansichten zur künstlichen Intelligenz
Mitchell ist eine starke Befürworterin der KI-Forschung, hat jedoch Bedenken über die Entwicklung des Feldes geäußert. Sie weist darauf hin, dass KI-Systeme, einschließlich maschineller Lernmodelle, anfällig für adversarial Angriffe sind und soziale Verzerrungen aus Trainingsdaten übernehmen können. 2019 erklärte sie, dass das Erreichen einer menschenähnlichen künstlichen allgemeinen Intelligenz wahrscheinlich Wissen über den gesunden Menschenverstand und menschenähnliche Fähigkeiten zur Abstraktion und zum analogen Schließen erfordern würde, Fähigkeiten, die die aktuelle Technologie, wie Transformer (architecture)-basierte große Sprachmodelle, nicht besitzt.
Mitchell hat argumentiert, dass das menschliche visuelle Verständnis auf allgemeinem Wissen, Abstraktion und Sprache beruht und dass Maschinen möglicherweise als verkörperte Agenten lernen müssen, die mit der Welt interagieren, anstatt nur statische Bilder zu verarbeiten. Sie hat sich vorsichtig über den Hype um Deep Learning und neuronale Netze geäußert, unterstützt jedoch die fortgesetzte KI-Forschung.
Lehre und öffentliches Engagement
Über ihre Forschung hinaus war Mitchell in der Wissenschaftskommunikation und -bildung aktiv. Ihr Online-Kurs „Introduction to Complexity“ auf der Complexity-Explorer-Plattform hat über 25.000 Studenten eingeschrieben und sie an Ideen aus der Komplexitätswissenschaft herangeführt.
Sie ist in zahlreichen Podcasts und öffentlichen Foren aufgetreten und hat über KI, Komplexität und die Grenzen aktueller Deep-Learning-Ansätze diskutiert. 2019 nahm sie am Learning Salon teil, einer interdisziplinären Online-Diskussionsgruppe.
Auszeichnungen und Anerkennung
2020 erhielt Mitchell den Herbert A. Simon Award des New England Complex Systems Institute für ihre Beiträge zur Komplexitätsforschung. Ihr Buch Complexity: A Guided Tour erhielt 2010 den Phi Beta Kappa Science Book Award.
Ausgewählte Veröffentlichungen
Bücher
- Analogy-Making as Perception (MIT Press, 1993) - ein detaillierter Bericht über das Copycat-Modell.
- An Introduction to Genetic Algorithms (MIT Press, 1996).
- Complexity: A Guided Tour (Oxford University Press, 2009).
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019).
Bemerkenswerte Artikel
- Mitchell, M., Hraber, P., & Crutchfield, J. (1993). „Revisiting the edge of chaos: Evolving cellular automata to perform computations.“ Complex Systems.
- Mitchell, M., Forrest, S., & Holland, J. (1994). „When will a genetic algorithm outperform hill climbing?“ Advances in Neural Information Processing Systems 6.
Ansichten zur künstlichen Intelligenz
Mitchell ist eine prominente Kommentatorin zu den Fähigkeiten und Grenzen moderner KI. Sie hat Bedenken über die Anfälligkeit von KI-Systemen für adversarial Beispiele und ihre Tendenz geäußert, soziale Verzerrungen aus Trainingsdaten zu übernehmen. 2019 bemerkte sie, dass das Erreichen einer menschenähnlichen AGI große Fortschritte beim Schließen über den gesunden Menschenverstand und bei der Abstraktion erfordern würde und dass die aktuelle Technologie weit davon entfernt sei, diese Probleme zu lösen.
Mitchell betont oft die Kluft zwischen aktuellen maschinellen Lernsystemen und menschlicher Intelligenz. Sie argumentiert, dass menschenähnliches visuelles Verständnis eine Verankerung in allgemeinem Wissen, Abstraktion und Sprache erfordert, und vermutet, dass ein solches Verständnis möglicherweise durch Verkörperung gelernt werden muss und nicht aus statischen Bildern. Sie hat auch auf die Sprödigkeit von neuronalen Netzen hingewiesen, die durch adversarial Beispiele leicht getäuscht werden können.
Ansichten zu KI und AGI
Mitchell war eine lautstarke Kommentatorin zu den Grenzen und dem Potenzial der künstlichen Intelligenz. In ihrem Buch von 2019 und in zahlreichen Vorträgen argumentiert sie, dass KI-Systeme keinen robusten gesunden Menschenverstand und keine Fähigkeit zur Verallgemeinerung über ihre Trainingsdaten hinaus besitzen. Sie hat sich skeptisch über eine AGI in naher Zukunft geäußert und betont die Bedeutung des Verständnisses menschlicher Kognition, um Fortschritte zu erzielen.
Sie hat festgestellt, dass viele KI-Forscher die Schwierigkeit unterschätzen, menschenähnliche Abstraktion und analoges Schließen zu erreichen. In Interviews hat sie die Kluft zwischen aktuellen maschinellen Lernmethoden und menschlichem Lernen hervorgehoben, insbesondere in Bezug auf Stichprobeneffizienz und Transferlernen.
Auszeichnungen und Ehrungen
2020 erhielt Mitchell den Herbert A. Simon Award des New England Complex Systems Institute (NECSI) für ihre Beiträge zur Komplexitätsforschung.
Ausgewählte Veröffentlichungen
Bücher
- Analogy-Making as Perception (MIT Press, 1993)
- An Introduction to Genetic Algorithms (MIT Press, 1996)
- Complexity: A Guided Tour (Oxford University Press, 2009)
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019)
Bemerkenswerte Artikel
- Mitchell, M., Hraber, P., & Crutchfield, J. P. (1993). Revisiting the edge of chaos: Evolving cellular automata to perform computations. Complex Systems, 7, 89–130.
- Mitchell, M., Forrest, S., & Holland, J. H. (1991). The royal road for genetic algorithms: Fitness landscapes and GA performance. Proceedings of the First European Conference on Artificial Life.
- Mitchell, M. (2006). Complex systems: A new kind of science? A review of A New Kind of Science by Stephen Wolfram. Artificial Life, 12(4), 617–620.
Externe Links
Mitchell unterhält eine professionelle Website, die ihren Lebenslauf, Veröffentlichungen und Kursmaterialien enthält. Sie ist in Podcasts wie dem BrainInspired-Podcast, dem Lex-Fridman-Podcast und dem Learning Salon aufgetreten.
Referenzen
Dieser Artikel basiert auf Informationen aus öffentlichen Quellen, einschließlich Mitchells eigener Schriften und Interviews. Für weitere Lektüre siehe ihre Bücher und akademischen Veröffentlichungen.
Siehe auch
- Komplexitätswissenschaft
- Genetische Algorithmen
- Kognitionswissenschaft
- Santa Fe Institute