Bár a mesterséges rendszerek már számos területen jobbak az embernél, a chatbotok és virtuális asszisztensek intelligenciájának határt szab, hogy fogalmi gondolkodásuk nem elég összetett az emberéhez képest. Erre a problémára találtak ki egy lehetséges megoldást az MIT szakértői, akik a Pictionary nevű rajzolós-kitalálós játék egy saját fejlesztésű verziója révén edzik rendszerüket, hogy az megtanulja, hogy lehet egyszerű képi és nyelvi elemekből komplex jelentéseket összerakni.

A Pictionary lényege, hogy az egyik játékosnak le kell rajzolnia egy előzőleg leírt összetett fogalmat vagy szókapcsolatot, a többieknek meg ki kell találniuk, mi állt a papíron. A játékban fontos a rajztehetség is, de még talán ennél is lényegesebb, hogyan tudjuk egyszerűbb elemekre bontani a fogalmat úgy, hogy azt a játékostársak újra fel tudják építeni. Erre változatos stratégiák léteznek: van, amikor érdemes a teljes fogalmat egyben lerajzolni, de van, hogy annak egy jellegzetes részletét is elég kiemelni. És persze még gyakoribb az olyan eset, amikor elemeire kell bontani a koncepciót, nem ritkán olyan elemekre, amelyek csak asszociatív kapcsolatban vannak a kitalálandó kifejezéssel.

„A játék során szofisztikált döntésekre van szükség” – mondja Ali Farhadi, az Ai2 nevű projekt vezetője. „Gyakorlatilag józan gondolkodást tanít.” Ez pedig szerinte tökéletes eszközzé teszi a Pictionary-t a gépi rendszerek oktatására. A kutatócsoport létrehozott egy online platformot, ahol bárki játszhat a mesterséges intelligenciával. Az Iconary nevű játékban megválaszthatjuk, hogy rajzolni vagy találgatni szeretnénk inkább, és az AllenAI nevű bot ennek megfelelően száll be a játékba.

Ha a felhasználó rajzolni akar, kap egy kifejezést, amelyet aztán le kell rajzolnia. Az egyes elemekről készült skicceket először egy képfelismerő program ClipArt-ikonokká alakítja (vagyis megpróbálja kitalálni az egyszerűbb elemet), majd ezeket a játékos tetszése szerint rendezheti el egy rajztáblán. Ha a rajzoló úgy véli, elkészült, az AI megpróbálja kitalálni a feladványt, amihez szavak és koncepciók adatbázisát használja alapul. Ha a program csak részben tudja kitalálni a feladványt, újabb képeket kér segítségül. (Ha az AI rajzol, akkor pedig az emberi játékos találgathat: ClipArt-képek összességéből kell kiötölni, mi lehetett a feladvány, úgy, hogy annak szószámát a rajzok alatt láthatja, és ha sikerül egy elemet kitalálnia, ezt jelzi a rendszer.)

A fejlesztők szerint, ha elegen játszanak az AllenAI-val az képes lesz olyan új kapcsolatokat teremteni adatbázisának elemei között, amelyekre jelenleg még nem alkalmas. A kísérlet pedig egyúttal annak felderítésében is segíthet, hogyan lehet hatékony kommunikációt és együttműködést megvalósítani ember és gép között.

A rendszer összesen 1200 képből, 75 ezer feladványból és 20 ezres szókincsből építkezik, és mindkét játéktípust két módban, egy nehezebben és egy könnyebben lehet játszani vele. A fejlesztők azt tervezik, hogy a jövőben egy ponttáblázattal is bővül a játék, így az emberi játékosok egymással is versenyezhetnek majd. Fahadi úgy képzeli, hogy a jövőben az ilyen elgondolásokból egy újfajta Turing-teszt is kidolgozható lehet, amely során az emberi játékosok társuk rajzai vagy találgatásai alapján tippelhetnek, hogy szerintük emberrel vagy géppel játszanak.